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11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
刘明华,汪传生,胡强,王传旭,崔雪红.多模型协作的分块目标跟踪.软件学报,0,(0):0
多模型协作的分块目标跟踪
Part-based Object Tracking Based on Mulit Collaborative Appearance Model
投稿时间:2017-05-22  修订日期:2018-03-12
DOI:10.13328/j.cnki.jos.005656
中文关键词:  协作模型  局部敏感直方图  粒子滤波  分块目标跟踪  超像素
英文关键词:collaborative model  local sensitive histogram  particle filter  part-based object tracking  superpixel
基金项目:国家自然科学基金(61472196,61672305);山东省重点研发项目(2017GGX10133)
作者单位E-mail
刘明华 青岛科技大学 信息科学技术学院, 山东 青岛 266061  
汪传生 青岛科技大学 机电学院, 山东 青岛 266061 wcsmta@qust.edu.cn 
胡强 青岛科技大学 信息科学技术学院, 山东 青岛 266061  
王传旭 青岛科技大学 信息科学技术学院, 山东 青岛 266061  
崔雪红 青岛科技大学 信息科学技术学院, 山东 青岛 266061  
摘要点击次数: 384
全文下载次数: 289
中文摘要:
      为解决复杂场景下,基于整体表观模型的目标跟踪算法容易丢失目标的问题,提出一种多模型协作的分块目标跟踪算法.融合基于局部敏感直方图的产生式模型和基于超像素分割的判别式模型构建目标表观模型,提取局部敏感直方图的亮度不变特征来抵制光照变化的影响;引入目标模型的自适应分块划分策略以解决局部敏感直方图算法缺少有效遮挡处理机制的问题,提高目标的抗遮挡性;通过相对熵和均值聚类度量子块的局部差异置信度和目标背景置信度,建立双权值约束机制和子块异步更新策略,在粒子滤波框架下,选择置信度高的子块定位目标.实验结果表明,本文方法在复杂场景下具有良好的跟踪精度和稳定性.
英文摘要:
      A novel part-based tracking approach based on mulit collaborative appearance model is proposed that can address the problem of losing object based on the holistic appearance model in complex scenarios. Object appearance model is constructed by fusing the generative model based on local sensitive histogram(LSH) and discriminative model based on superpixel segmentation, by extracting the illumination invariant feature of the LSH resist the influence of the illumination changes on the object model effectively; for the lack of effective occlusion handling mechanism of the LSH algorithm, the part-based adaptive model segmentation method is introduced to improve the performance of resistance occlusion; by through the relative entropy and mean shift cluster method, measuring the differences confidence value and the foreground-background confidence value of the local part, establish the dual weights constraint mechanism and asynchronous update strategy for the part model, the partes with high confidence are selected to locate object in the particle filter framework. Experimental results on challenging sequences confirm that the proposed approach outperforms the related tracking algorithm in complex scenarios.
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