基于可变形模型的目标跟踪算法

马俊凯; 罗海波; 常铮; 惠斌; 周晓丹; 侯德飞

doi:10.3788/IRLA201746.0928001

基于可变形模型的目标跟踪算法

doi: 10.3788/IRLA201746.0928001

马俊凯^1,2,3,
罗海波^1,2,
常铮^1,2,
惠斌^1,2,
周晓丹⁴,
侯德飞⁵

1.
中国科学院沈阳自动化研究所,辽宁沈阳 110016;
2.
中国科学院光电信息处理实验室,辽宁沈阳 110016;
3.
中国科学院大学,北京 100049;
4.
空军驻湖北地区军事代表室,湖北武汉 430000;
5.
空军装备部装备采购局,北京 100843

详细信息

作者简介:
马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn

中图分类号: TP391.4

Visual tracking algorithm based on deformable parts model

Ma Junkai^1,2,3,
Luo Haibo^1,2,
Chang Zheng^1,2,
Hui Bin^1,2,
Zhou Xiaodan⁴,
Hou Defei⁵

1.
Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;
2.
Key Laboratory of Opt-Electronic Information Processing,CAS,Shenyang 110016,China;
3.
University of Chinese Academy of Sciences,Beijing 100049,China;
4.
Military Representative Office of Air Force in Hubei Area,Wuhan 430000,China;
5.
Air Force Reserve Equipment Procurement Bureau,Beijing 100843,China

摘要: 近年来目标跟踪技术的研究已经有了很大的进展，但目标的遮挡和形变仍然是目标跟踪算法面临的重大挑战。针对这些问题提出了一种基于可变形模型的目标跟踪算法。首先，利用可变形模型对跟踪目标进行表达，该模型将目标分为若干子块，目标的特征由局部子块特征和全局特征共同构成。将目标的特征和子块之间的空间关系结合起来，给出了对目标的一个统一的相似度度量函数。然后，在线训练一个结构化输出支持向量机作为分类器，该分类器的输出是可变形模型中目标的结构化描述。利用该分类器可以在视频及图像序列中准确地检测到目标，完成跟踪。通过实验比较，该算法的跟踪性能优于其他主流跟踪算法，尤其在目标发生遮挡和形变的时候仍能准确跟踪。
- 可变形模型 /
- 结构化分类器 /
- 在线学习 /
- 目标跟踪
Abstract: In recent years, the technology of target tracking has been greatly developed, but occlusion and deformation of the target were still the major challenges in tracking algorithms. To address these problems, a tracking algorithm based on deformable parts model (DPM) was proposed. Firstly, DPM was used to represent the target object. DPM divided the target into several small parts. The feature of the target was composed of the local feature of each part and the global feature of the entire object, then DPM defined a uniform similar function based on the object feature and spatial relationship of each pair of parts. Secondly, a structured output support vector machine (structured SVM) was trained online as the classifier, the output of the structured SVM was the structured description of the object. The target in videos or image sequences could be tracked by the detection result of the classifier. Experimental results demonstrate that the proposed methods outperform other popular trackers, especially with the challenge of object's occlusion and deformation.
- deformable parts model /
- structured output classifier /
- online learning /
- object tracking

[1]	Ross D A, Lim J, Lin R S, et al. Incremental learning for robust visual tracking[J]. International Journal of Computer Vision, 2008, 77(1-3):125-141.
[2]	Mei X, Ling H. Robust visual tracking and vehicle classification via sparse representation[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2011, 33(11):2259-2272.
[3]	Cui Xiongwen, Wu Qinzhang, Jiang Ping, et al. Affine-invariant target tracking based on subspace representation[J]. Infrared and Laser Engineering,2015, 44(2):769-774. (in Chinese) 崔雄文, 吴钦章, 蒋平, 等. 子空间模型下的仿射不变目标跟踪[J]. 红外与激光工程, 2015, 44(2):769-774.
[4]	Grabner H, Bischof H. Online boosting and vision[C]//2006 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR'06), 2006, 1:260-267.
[5]	Kalal Z, Mikolajczyk K, Matas J. Tracking-learning-detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(7):1409-1422.
[6]	Hare S, Golodetz S, Saffari A, et al. Struck:structured output tracking with kernels[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(10):2096-2109..
[7]	Henriques J F, Caseiro R, Martins P, et al. High-Speed tracking with kernelized correlation filters[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(3):583-596.
[8]	Xing Yunlong, Li Aihua, Cui Zhigao, et al. Moving target tracking algorithm based on improved Kernelized correlation filter[J]. Infrared and Laser Engineering, 2016, 45(S1):S126004. (in Chinese) 邢运龙, 李艾华, 崔智高, 等.改进核相关滤波的运动目标跟踪算法[J]. 红外与激光工程,2016, 45(S1):S126004.
[9]	Felzenszwalb P, Grishick R, Mcallester D. Object detection with discriminatively trained part based models[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2010, 32(9):1627-1645.
[10]	Tsochantaridis I, Joachims T, Hofmann T. Large margin methods for structured and interdependent output variables[J]. Journal of Machine Learning Research, 2005, 6:1453-1484.
[11]	Bordes A, Bottou L, Gallinari P, et al. Solving multiclass support vector machines with LaRank[C]//International Conference on Machine Learning, ACM 2007:89-96.
[12]	Bishop C M. Pattern Recognition and Machine Learning[M]. New York:Springer, 2006:294-323.
[13]	Felzenszwalb P F, Huttenlocher D P. Distance transforms of sampled functions[J]. Theory of Computing, 2004, 19(8):415-428.
[14]	Wu Y, Lim J, Yang M, et al. Object tracking benchmark[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(9):1834-1848.
[15]	Bao C, Wu Y, Ling H, et al. Real time robust L1 tracker using accelerated proximal gradient approach[C]//IEEE Conference on Computer Vision and Pattern Recognition. IEEE Computer Society, 2012:1830-1837.

[1]	王向军, 朱慧. 利用国产FPGA的高帧率目标跟踪方法 . 红外与激光工程, 2023, 52(9): 20220905-1-20220905-12. doi: 10.3788/IRLA20220905
[2]	李博, 张心宇. 复杂场景下基于自适应特征融合的目标跟踪算法 . 红外与激光工程, 2022, 51(10): 20220013-1-20220013-11. doi: 10.3788/IRLA20220013
[3]	张景程, 乔新博, 赵永强. 红外偏振摄像机动目标检测跟踪系统（特邀） . 红外与激光工程, 2022, 51(4): 20220233-1-20220233-10. doi: 10.3788/IRLA20220233
[4]	许聪, 孙大鹰, 曹子奇, 李春琦, 顾文华. 采用自适应模糊优化的目标跟踪加速方案 . 红外与激光工程, 2022, 51(2): 20210864-1-20210864-8. doi: 10.3788/IRLA20210864
[5]	张宏伟, 李晓霞, 朱斌, 张杨. 基于孪生神经网络的两阶段目标跟踪方法 . 红外与激光工程, 2021, 50(9): 20200491-1-20200491-12. doi: 10.3788/IRLA20200491
[6]	陈法领, 丁庆海, 罗海波, 惠斌, 常铮, 刘云鹏. 采用时空上下文的抗遮挡实时目标跟踪 . 红外与激光工程, 2021, 50(1): 20200105-1-20200105-11. doi: 10.3788/IRLA20200105
[7]	陈宏宇, 罗海波, 惠斌, 常铮. 采用多特征融合的子块自动提取方法 . 红外与激光工程, 2021, 50(8): 20200407-1-20200407-9. doi: 10.3788/IRLA20200407
[8]	王向军, 郭志翼, 王欢欢. 基于嵌入式平台的低时间复杂度目标跟踪算法 . 红外与激光工程, 2019, 48(12): 1226001-1226001(10). doi: 10.3788/IRLA201948.1226001
[9]	卢瑞涛, 任世杰, 申璐榕, 杨小冈. 基于稀疏表示多子模板的鲁棒目标跟踪算法 . 红外与激光工程, 2019, 48(3): 326003-0326003(8). doi: 10.3788/IRLA201948.0326003
[10]	曲蕴杰, 莫宏伟, 王常虹. 一种用于无人机的目标颜色核相关跟踪算法研究 . 红外与激光工程, 2018, 47(3): 326001-0326001(7). doi: 10.3788/IRLA201847.0326001
[11]	葛宝义, 左宪章, 胡永江, 张岩. 基于双步相关滤波的目标跟踪算法 . 红外与激光工程, 2018, 47(12): 1226004-1226004(10). doi: 10.3788/IRLA201847.1226004
[12]	罗海波, 许凌云, 惠斌, 常铮. 基于深度学习的目标跟踪方法研究现状与展望 . 红外与激光工程, 2017, 46(5): 502002-0502002(7). doi: 10.3788/IRLA201746.0502002
[13]	邵春艳, 丁庆海, 罗海波, 李玉莲. 采用高维数据聚类的目标跟踪 . 红外与激光工程, 2016, 45(4): 428002-0428002(10). doi: 10.3788/IRLA201645.0428002
[14]	邢运龙, 李艾华, 崔智高, 方浩. 改进核相关滤波的运动目标跟踪算法 . 红外与激光工程, 2016, 45(S1): 214-221. doi: 10.3788/IRLA201645.S126004
[15]	徐超, 高敏, 杨耀. 自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
[16]	崔雄文, 吴钦章, 蒋平, 周进. 子空间模型下的仿射不变目标跟踪 . 红外与激光工程, 2015, 44(2): 769-774.
[17]	田立, 周付根, 孟偲. 基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪 . 红外与激光工程, 2014, 43(7): 2354-2361.
[18]	肖松, 谭贤四, 王红, 李志淮. 变结构多模型临近空间高超声速飞行器跟踪算法 . 红外与激光工程, 2014, 43(7): 2362-2370.
[19]	黎志华, 李新国. 基于OpenCV的红外弱小运动目标检测与跟踪 . 红外与激光工程, 2013, 42(9): 2561-2565.
[20]	彭晨, 陈钱, 钱惟贤, 徐富元. 复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.

点击查看大图

计量

文章访问数: 588
HTML全文浏览量: 105
PDF下载量: 89
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

基于可变形模型的目标跟踪算法

doi: 10.3788/IRLA201746.0928001

作者简介:
马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn

Visual tracking algorithm based on deformable parts model

计量

基于可变形模型的目标跟踪算法

doi: 10.3788/IRLA201746.0928001

1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;

2. 中国科学院光电信息处理实验室,辽宁沈阳 110016;

3. 中国科学院大学,北京 100049;

4. 空军驻湖北地区军事代表室,湖北武汉 430000;

5. 空军装备部装备采购局,北京 100843

作者简介:
马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn

English Abstract

Visual tracking algorithm based on deformable parts model

全文HTML

目录

留言板

基于可变形模型的目标跟踪算法

doi: 10.3788/IRLA201746.0928001

作者简介: 马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn

Visual tracking algorithm based on deformable parts model

计量

出版历程

基于可变形模型的目标跟踪算法

doi: 10.3788/IRLA201746.0928001

1. 中国科学院沈阳自动化研究所,辽宁 沈阳 110016; 2. 中国科学院光电信息处理实验室,辽宁沈阳 110016; 3. 中国科学院大学,北京 100049; 4. 空军驻湖北地区军事代表室,湖北 武汉 430000; 5. 空军装备部装备采购局,北京 100843

作者简介: 马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn

English Abstract

Visual tracking algorithm based on deformable parts model

全文HTML

目录

作者简介:
马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn

1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;

2. 中国科学院光电信息处理实验室,辽宁沈阳 110016;

3. 中国科学院大学,北京 100049;

4. 空军驻湖北地区军事代表室,湖北武汉 430000;

5. 空军装备部装备采购局,北京 100843

作者简介:
马俊凯(1989-)，男，博士生，主要从事机器学习、图像处理、目标跟踪等方面的研究。Email:majunkai@sia.cn