算力限制平台下的长时目标跟踪

王向军; 郭志翼

doi:10.3788/IRLA202049.0126003

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

算力限制平台下的长时目标跟踪

王向军, 郭志翼

文章导航 > 红外与激光工程 > 2020 > 49(1): 0126003-0126003(6)

王向军, 郭志翼. 算力限制平台下的长时目标跟踪[J]. 红外与激光工程, 2020, 49(1): 0126003-0126003(6). doi: 10.3788/IRLA202049.0126003

引用本文:

王向军, 郭志翼. 算力限制平台下的长时目标跟踪[J]. 红外与激光工程, 2020, 49(1): 0126003-0126003(6). doi: 10.3788/IRLA202049.0126003

Wang Xiangjun, Guo Zhiyi. Long-term target tracking algorithms in force-constrained platform[J]. Infrared and Laser Engineering, 2020, 49(1): 0126003-0126003(6). doi: 10.3788/IRLA202049.0126003

Citation:

Wang Xiangjun, Guo Zhiyi. Long-term target tracking algorithms in force-constrained platform[J]. Infrared and Laser Engineering, 2020, 49(1): 0126003-0126003(6). doi: 10.3788/IRLA202049.0126003

算力限制平台下的长时目标跟踪

doi: 10.3788/IRLA202049.0126003

王向军^1,2,
郭志翼^1,2

1. 天津大学精密测试技术及仪器国家重点实验室, 天津 300072;
2. 天津大学微光机电系统技术教育部重点实验室, 天津 300072

基金项目:

国家自然科学基金（51575388）

详细信息

作者简介:
王向军(1955-),男,教授,博士,主要从事光电传感与测试、计算机视觉与图像分析、微小型光机电系统及MEMS方面的研究。Email:xdocuxjw@vip.163.com

中图分类号: TP391.4

Long-term target tracking algorithms in force-constrained platform

Wang Xiangjun^1,2,
Guo Zhiyi^1,2

1. State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China;
2. MOEMS Education Ministry Key Laboratory, Tianjin University, Tianjin 300072, China

摘要: 为了满足某些算力受到限制的应用场景的长时跟踪需求，如以C64x+DSP为核心的嵌入式系统，提出了一种由连续跟踪环节与目标检测环节两部分构成的低时间复杂度长时跟踪算法，连续跟踪环节基于自适应更新的时空上下文算法（STC），目标检测环节使用归一化互相关匹配算法。在没有目标出视场、目标快速移动等特殊跟踪场景时，连续跟踪环节输出跟踪结果，在跟踪失败后，目标检测环节对全幅图像进行处理，只要目标出现在图像中，便可以重新锁定目标。经实验验证，目标检测环节可以在目标出现后准确检测到目标，满足了长时跟踪的要求。同时，目标检测环节在跟踪不可靠时的辅助定位也提升了连续跟踪环节的鲁棒性，使用OTB2013数据集测试，本算法的精确度较STC算法提升了4.95%。
- 长时跟踪 /
- 算力限制 /
- 时空上下文算法 /
- 模板匹配
Abstract: In order to meet the long-term tracking requirements of platforms with weak computing power, such as the embedded system with C64x+ DSP as the computing core, a long-term tracking algorithm with low time complexity was proposed, which consisted of two parts. One part was the continuous tracking part and the other part was the target detection part. The continuous tracking part was based on adaptive update spatio-temporal context algorithm(STC), and the target detection part used normalized cross-correlation matching algorithm. If there were no special tracking scenarios such as field of view and fast moving target, the continuous tracking part outputted tracking results. After tracking failure, the whole image was processed in the target detection part, and the target was re-locked as long as the target appeared in the image again. Experiments show that target detection can accurately detect the target after it appeared, which meets the requirements of long-term tracking. At the same time, the robust of continuous tracking is also improved because the target location is redefined by the target detection part, when the result is not reliable. Using OTB2013 data set to test, the accuracy of this algorithm is 4.95% higher than that of STC algorithm.
- long-term tracking /
- computational constraints /
- STC algorithm /
- template matching

[1]	Kalal Z, Mikolajczyk K, Matas J. Tracking-learning-detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 34(7):1409-1422.
[2]	Zhu Z, Wang Q, Li B, et al. Distractor-aware siamese networks for visual object tracking[C]//European Conference on Computer Vision. Springer, Cham, 2018:103-119.
[3]	Li B, Wu W, Wang Q, et al. SiamRPN++:Evolution of siamese visual tracking with very deep networks[J]. arXiv preprint arXiv, 2018:1812.11703.
[4]	Danelljan M, Bhat G, Khan F S, et al. Atom:Accurate tracking by overlap maximization[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2019:4660-4669.
[5]	Zhang K, Zhang L, Liu Q, et al. Fast visual tracking via dense spatio-temporal context learning[C]//European Conference on Computer Vision. Springer, Cham, 2014:127-141.
[6]	Rao Y R, Prathapani N, Nagabhooshanam E. Application of normalized cross correlation to image registration[J]. International Journal of Research in Engineering and Technology, 2014, 3(5):12-16.
[7]	Wu Y, Lim J, Yang M H. Online object tracking:A benchmark[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2013:2411-2418.

[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]	平少栋, 傅云霞, 张丰, 任瑜, 孔明. 镜面反射式激光跟踪干涉测长的测量方法研究 . 红外与激光工程, 2021, 50(12): 20210624-1-20210624-7. doi: 10.3788/IRLA20210624
[3]	崔洲涓, 安军社, 崔天舒. 融合通道互联空间注意力的Siamese网络跟踪算法 . 红外与激光工程, 2021, 50(3): 20200148-1-20200148-13. doi: 10.3788/IRLA20200148
[4]	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
[5]	王毅, 何明元, 葛晶晶, 项杰. 基于正交匹配追踪的云检测算法研究 . 红外与激光工程, 2019, 48(12): 1203003-1203003(6). doi: 10.3788/IRLA201948.1203003
[6]	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
[7]	苏本跃, 郑丹丹, 汤庆丰, 盛敏. 单传感器数据驱动的人体日常短时行为识别方法 . 红外与激光工程, 2019, 48(2): 226003-0226003(9). doi: 10.3788/IRLA201948.0226003
[8]	王鹏, 娄淑琴, 梁生, 张颜. 选择性平均的φ-OTDR分布式光纤扰动传感系统阈值算法 . 红外与激光工程, 2016, 45(3): 322003-0322003(6). doi: 10.3788/IRLA201645.0322003
[9]	王晓飞, 王霄衣, 史翔宇, 阎秋静, 陈向南. 基于空间上下文单类分类器的目标检测算法 . 红外与激光工程, 2015, 44(S1): 236-240.
[10]	李志军, 刘松林, 牛照东, 陈曾平. 基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法 . 红外与激光工程, 2015, 44(2): 775-780.
[11]	何帆, 白剑, 侯西云. 基于模板匹配的莫尔条纹倾角计算 . 红外与激光工程, 2015, 44(9): 2825-2830.
[12]	杨晟, 李学军, 朱诗兵, 刘涛. 抗仿射形变异构金字塔复合描述点特征匹配算法 . 红外与激光工程, 2014, 43(7): 2387-2392.
[13]	曹晓倩, 马彩文. 基于最优斜面参数估计的局部立体匹配算法 . 红外与激光工程, 2014, 43(3): 973-978.
[14]	李建国, 崔祜涛, 田阳. 基于特征匹配的着陆导航敏感器相对校准算法 . 红外与激光工程, 2014, 43(1): 267-273.
[15]	祁敏, 曹剑中, 周祚峰, 高博, 郭惠楠, 杨磊. 基于Tao 立体匹配框架的全局优化算法 . 红外与激光工程, 2014, 43(9): 3122-3127.
[16]	郭敬明, 何昕, 杨杰, 魏仲慧, 龚俊亮. 模板自适应的Mean Shift红外目标跟踪 . 红外与激光工程, 2014, 43(4): 1087-1093.
[17]	汤进, 丁转莲, 张兴义, 罗斌. 基于膜计算模型的点集匹配算法 . 红外与激光工程, 2013, 42(5): 1388-1394.
[18]	杨新锋, 滕书华, 夏东. 基于空间变换迭代的SIFT特征图像匹配算法 . 红外与激光工程, 2013, 42(12): 3496-3501.
[19]	汪鲁才, 易锡年, 陈小天, 刘鑫. 自适应连续多级分区与初始阈值估计的快速模板匹配方法 . 红外与激光工程, 2013, 42(4): 1106-1111.
[20]	吴晓. LED芯片粗精定位系统 . 红外与激光工程, 2013, 42(9): 2478-2484.

点击查看大图

计量

文章访问数: 837
HTML全文浏览量: 172
PDF下载量: 51
被引次数: 0

算力限制平台下的长时目标跟踪

doi: 10.3788/IRLA202049.0126003

王向军^1,2,
郭志翼^1,2

1. 天津大学精密测试技术及仪器国家重点实验室, 天津 300072;

2. 天津大学微光机电系统技术教育部重点实验室, 天津 300072

作者简介:
王向军(1955-),男,教授,博士,主要从事光电传感与测试、计算机视觉与图像分析、微小型光机电系统及MEMS方面的研究。Email:xdocuxjw@vip.163.com

收稿日期: 2019-09-05
修回日期: 2019-10-15
刊出日期: 2020-01-28

基金项目:

国家自然科学基金（51575388）

中图分类号: TP391.4

关键词:

摘要: 为了满足某些算力受到限制的应用场景的长时跟踪需求，如以C64x+DSP为核心的嵌入式系统，提出了一种由连续跟踪环节与目标检测环节两部分构成的低时间复杂度长时跟踪算法，连续跟踪环节基于自适应更新的时空上下文算法（STC），目标检测环节使用归一化互相关匹配算法。在没有目标出视场、目标快速移动等特殊跟踪场景时，连续跟踪环节输出跟踪结果，在跟踪失败后，目标检测环节对全幅图像进行处理，只要目标出现在图像中，便可以重新锁定目标。经实验验证，目标检测环节可以在目标出现后准确检测到目标，满足了长时跟踪的要求。同时，目标检测环节在跟踪不可靠时的辅助定位也提升了连续跟踪环节的鲁棒性，使用OTB2013数据集测试，本算法的精确度较STC算法提升了4.95%。

English Abstract

Long-term target tracking algorithms in force-constrained platform

Wang Xiangjun^1,2,
Guo Zhiyi^1,2

1. State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China;

2. MOEMS Education Ministry Key Laboratory, Tianjin University, Tianjin 300072, China

Received Date: 2019-09-05
Rev Recd Date: 2019-10-15
Publish Date: 2020-01-28

Keywords:

Abstract: In order to meet the long-term tracking requirements of platforms with weak computing power, such as the embedded system with C64x+ DSP as the computing core, a long-term tracking algorithm with low time complexity was proposed, which consisted of two parts. One part was the continuous tracking part and the other part was the target detection part. The continuous tracking part was based on adaptive update spatio-temporal context algorithm(STC), and the target detection part used normalized cross-correlation matching algorithm. If there were no special tracking scenarios such as field of view and fast moving target, the continuous tracking part outputted tracking results. After tracking failure, the whole image was processed in the target detection part, and the target was re-locked as long as the target appeared in the image again. Experiments show that target detection can accurately detect the target after it appeared, which meets the requirements of long-term tracking. At the same time, the robust of continuous tracking is also improved because the target location is redefined by the target detection part, when the result is not reliable. Using OTB2013 data set to test, the accuracy of this algorithm is 4.95% higher than that of STC algorithm.

全文HTML

参考文献 (7)

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

留言板

算力限制平台下的长时目标跟踪

doi: 10.3788/IRLA202049.0126003

作者简介: 王向军(1955-),男,教授,博士,主要从事光电传感与测试、计算机视觉与图像分析、微小型光机电系统及MEMS方面的研究。Email:xdocuxjw@vip.163.com

Long-term target tracking algorithms in force-constrained platform

计量

出版历程

算力限制平台下的长时目标跟踪

doi: 10.3788/IRLA202049.0126003

1. 天津大学 精密测试技术及仪器国家重点实验室, 天津 300072; 2. 天津大学 微光机电系统技术教育部重点实验室, 天津 300072

作者简介: 王向军(1955-),男,教授,博士,主要从事光电传感与测试、计算机视觉与图像分析、微小型光机电系统及MEMS方面的研究。Email:xdocuxjw@vip.163.com

English Abstract

Long-term target tracking algorithms in force-constrained platform

1. State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China; 2. MOEMS Education Ministry Key Laboratory, Tianjin University, Tianjin 300072, China

全文HTML

目录

作者简介:
王向军(1955-),男,教授,博士,主要从事光电传感与测试、计算机视觉与图像分析、微小型光机电系统及MEMS方面的研究。Email:xdocuxjw@vip.163.com

1. 天津大学精密测试技术及仪器国家重点实验室, 天津 300072;

2. 天津大学微光机电系统技术教育部重点实验室, 天津 300072

作者简介:
王向军(1955-),男,教授,博士,主要从事光电传感与测试、计算机视觉与图像分析、微小型光机电系统及MEMS方面的研究。Email:xdocuxjw@vip.163.com

1. State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China;

2. MOEMS Education Ministry Key Laboratory, Tianjin University, Tianjin 300072, China