交比不变的Camshift跟踪方法
本文选题:目标跟踪 + Camshift跟踪 ; 参考:《光学精密工程》2016年04期
【摘要】:为了提高Camshift跟踪方法在复杂环境下的跟踪性能,应用被跟踪目标内部各特征像素间的交比不变原理,提出了一种改进的Camshift跟踪方法。该方法通过分析被跟踪的目标模型,计算出其内部各特征像素间的坐标关系;将内部数据间的交比不变量作为所提出的跟踪方法的约束条件,对跟踪错误的像素点进行校正,并将跟踪过程中连续两帧图像的内部特征像素间的距离比作为跟踪效果的评判标准。用改进的Camshift跟踪方法分别对标准测试视频内的视频信息和实际拍摄的视频信息进行了测试。结果显示,该方法在两种复杂环境实验条件下,跟踪目标的距离偏差都能保持在15pixel以内,对单帧图像平均处理时间在20ms以内。试验结果表明,该方法对复杂环境下的目标具有良好的跟踪效果,跟踪性能稳定,跟踪效率高,可以满足跟踪系统实时性的要求。
[Abstract]:In order to improve the tracking performance of the Camshift tracking method in complex environments, an improved Camshift tracking method is proposed by applying the principle of intersection invariance among the feature pixels within the target being tracked. By analyzing the target model, the coordinate relation of each feature pixel is calculated, and the intersecting invariant of the internal data is used as the constraint condition of the tracking method, and the tracking error pixel is corrected. The distance ratio between the internal feature pixels of two successive frames in the tracking process is taken as the criterion of tracking effect. The improved Camshift tracking method is used to test the video information in the standard test video and the actual video information taken. The results show that the range deviation of the tracking target can be kept within 15pixel and the average processing time for a single frame image is within 20ms under two kinds of complex environment experiments. The experimental results show that the method has a good tracking effect on the target in complex environment, stable tracking performance and high tracking efficiency. It can meet the real-time requirements of the tracking system.
【作者单位】: 中北大学机械与动力工程学院;
【基金】:山西省科技攻关项目(No.20130321005-04)
【分类号】:TP391.41
【相似文献】
相关期刊论文 前10条
1 景慎艳;;需求跟踪方法探索与实践[J];电脑与电信;2011年10期
2 吕雪立,,柯有安;基于整体特征的线跟踪方法[J];北京理工大学学报;1995年02期
3 尹春霞;徐德;罗杨宇;李成荣;;一种鲁棒的自适应带宽跟踪方法[J];控制与决策;2013年11期
4 权伟;陈锦雄;余南阳;;在线学习多重检测的可视对象跟踪方法[J];电子学报;2014年05期
5 田原,谭铁牛,孙洪赞;一种具有良好鲁棒性的实时跟踪方法[J];自动化学报;2002年05期
6 吕金刚;吴斌;刘恒;周翔宇;邵延华;;一种快速鲁棒的动态人手跟踪方法[J];微型机与应用;2012年01期
7 梁露花;鄢展鹏;;基于人脸检测和特征的跟踪方法[J];山东理工大学学报(自然科学版);2013年01期
8 夏春艳;王敏杰;亓志斌;张伟;李树平;;话题识别与跟踪方法的研究[J];科技致富向导;2012年08期
9 龚荣;甄轶佳;;适用于疲劳驾驶检测的人眼跟踪方法研究[J];科技信息;2009年16期
10 王平;高颖慧;王鹏;;复杂地面场景下运动小目标的识别与跟踪方法[J];信号处理;2010年09期
相关会议论文 前7条
1 王宁;陈常念;陈加忠;范晔斌;王冼;;标定环境下基于粒子滤波的行人跟踪方法[A];第七届和谐人机环境联合学术会议(HHME2011)论文集【oral】[C];2011年
2 刘勋;孟骧龙;毋立芳;;基于自适应对象模型的篮球运动跟踪方法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
3 冯志全;郑艳伟;徐涛;杨波;;基于粒子滤波的人手跟踪方法研究[A];第三届和谐人机环境联合学术会议(HHME2007)论文集[C];2007年
4 宋丹;吴晨;薛德军;师庆辉;;基于KNN的科技主题跟踪[A];第五届全国信息检索学术会议论文集[C];2009年
5 林晓静;王冰洁;梁玮;;一种复杂背景下基于PSO的人手跟踪方法[A];第八届和谐人机环境联合学术会议(HHME2012)论文集NCMT[C];2012年
6 田原;谭铁牛;孙洪赞;胡卫明;;一种能处理部分遮挡的鲁棒性实时跟踪方法[A];中国图象图形学会第十届全国图像图形学术会议(CIG’2001)和第一届全国虚拟现实技术研讨会(CVR’2001)论文集[C];2001年
7 贾云得;M.Hebert;;一种图象结构化特征的提取和跟踪方法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
相关博士学位论文 前7条
1 杨景景;基于时空切片的运动目标检测与跟踪方法研究[D];哈尔滨工业大学;2013年
2 王智灵;自然条件下的运动目标鲁棒跟踪方法研究[D];中国科学技术大学;2009年
3 邢晓芬;基于视频的目标在线跟踪方法研究[D];华南理工大学;2013年
4 穆治亚;红外多目标实时跟踪方法的研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年
5 薛茹;复杂交通监控场景下运动目标检测与跟踪方法研究[D];长安大学;2014年
6 吕敬钦;视频行人检测及跟踪的关键技术研究[D];上海交通大学;2013年
7 高峗;复杂场景下高效视频目标跟踪关键技术研究[D];云南大学;2014年
相关硕士学位论文 前10条
1 张中伟;基于时空上下文和核相关滤波器的密集采样目标跟踪方法研究[D];西北农林科技大学;2015年
2 宋丹;基于语义和链接的话题跟踪方法[D];大连理工大学;2007年
3 罗磊;微博舆情热点检测与跟踪方法研究[D];杭州电子科技大学;2013年
4 伍翔;视频图像中运动目标检测与跟踪方法研究与实现[D];哈尔滨工业大学;2007年
5 谷久宏;基于随机蕨丛的长期目标跟踪方法研究[D];东北大学;2012年
6 韩志远;基于粒子滤波的运动行人跟踪方法的研究[D];苏州大学;2012年
7 冯雪坪;微博话题检测与跟踪方法研究[D];华中科技大学;2013年
8 马军;远红外车载行人检测系统的行人跟踪方法[D];华南理工大学;2015年
9 周绯昊;基于机场视频监控的运动目标检测与跟踪方法研究[D];西华大学;2014年
10 金炫;复杂场景下的目标自动检测跟踪方法研究[D];中国科学院研究生院(光电技术研究所);2014年
本文编号:1947921
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1947921.html