主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
王法胜,李绪成,肖智博,鲁明羽.基于Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪.软件学报,2014,25(7):1593-1605
基于Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪
Hamiltonian Markov Chain Monte Carlo Method for Abrupt Motion Tracking
投稿时间:2012-04-22  修订日期:2013-06-28
DOI:10.13328/j.cnki.jos.004453
中文关键词:  视觉跟踪  突变运动  马氏链蒙特卡罗  Hamiltonian马氏链蒙特卡罗方法  有序超松弛
英文关键词:visual tracking  abrupt motion  MCMC  Hamiltonian MCMC  ordered over-relaxation
基金项目:国家自然科学基金(61300082,61272369,61073133,61175053,61001158);中央高校基本科研业务费专项资金(3132013335);大连市科技计划项目(2013A16GX115,2011A17GX073)
作者单位E-mail
王法胜 大连海事大学 信息科学技术学院, 辽宁 大连 116026
大连东软信息学院 计算机科学与技术系, 辽宁 大连 116023 
 
李绪成 大连海事大学 信息科学技术学院, 辽宁 大连 116026
大连东软信息学院 计算机科学与技术系, 辽宁 大连 116023 
 
肖智博 大连海事大学 信息科学技术学院, 辽宁 大连 116026  
鲁明羽 大连海事大学 信息科学技术学院, 辽宁 大连 116026 lumingyu@dlmu.edu.cn 
摘要点击次数: 1859
全文下载次数: 2350
中文摘要:
      在计算机视觉领域,由镜头切换、目标动力学突变、低帧率视频等引起的突变运动存在极大的不确定性,使得突变运动跟踪成为该领域的挑战性课题.以贝叶斯滤波框架为基础,提出一种基于有序超松弛Hamiltonian马氏链蒙特卡罗方法的突变运动跟踪算法.该算法将Hamiltonian动力学融入MCMC(Markov chain Monte Carlo)算法,目标状态被扩张为原始目标状态变量与一个动量项的组合.在提议阶段,为抑制由Gibbs采样带来的随机游动行为,提出采用有序超松弛迭代方法来抽取目标动量项.同时,提出自适应步长的Hamiltonian动力学实现方法,在跟踪过程中自适应地调整步长,以减少模拟误差.提出的跟踪算法可以避免传统的基于随机游动的MCMC跟踪算法所存在的局部最优问题,提高了跟踪的准确性而不需要额外的计算时间.实验结果表明,该算法在处理多种类型的突变运动时表现出出色的处理能力.
英文摘要:
      Tracking of abrupt motion is a challenging task in computer vision due to the large motion uncertainty induced by camera switching, sudden dynamic change, and rapid motion. This paper proposes an ordered over-relaxation Hamiltonian Markov chain Monte Carlo (MCMC) based tracking scheme for abrupt motion tracking within Bayesian filtering framework. In this tracking scheme, the object states are augmented by introducing a momentum item and the Hamiltonian dynamics (HD) is integrated into the traditional MCMC based tracking method. At the proposal step, the ordered over-relaxation method is adopted to draw the momentum item in order to suppress the random walk behavior induced by Gibbs sampling. In addition, the paper provides an adaptive step-size scheme to simulate the Hamiltonian dynamics in order to reduce the simulation error. The proposed tracking algorithm can avoid being trapped in local maxima with no additional computational burden, which is suffered by conventional MCMC based tracking algorithms. Experimental results reveal that the presented approach is efficient and effective in dealing with various types of abrupt motions compared with several alternatives.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利