一种多特征融合的复杂场景动态目标跟踪算法
程健1
陈亮2
王凯1
郭一楠3
闫鹏鹏2
1.煤炭科学研究总院矿山大数据研究院,北京100013;煤炭资源高效开采与洁净利用国家重点实验室,北京1000132.中国矿业大学信息与控制工程学院,江苏徐州2211163.中国矿业大学信息与控制工程学院,江苏徐州221116;中国矿业大学(北京)机电与信息工程学院,北京100083
摘要：针对传统目标跟踪算法在目标形变、遮挡或光照变化等复杂场景下容易丢失目标的问题,提出了一种融合多特征的复杂场景动态目标长时间视觉跟踪算法,该算法基于跟踪学习检测(TLD)框架,首先,利用高斯二阶滤波器提取跟踪目标在不同方向的纹理信息,通过纹理信息采用Hessian矩阵计算图像曲面的主曲率,融合主曲率与RGB颜色信息建立目标特征概率直方图模型;然后,使用融合多特征的Mean Shift算法替代TLD框架中的光流法,降低跟踪模块的计算复杂度;最后,采用P-N学习策略构建快速级联检测器,实现跟踪失败时准确检测并重新初始化跟踪器快速修正跟踪结果.在OTB-50公开数据集和煤矿井下巷道视频上进行动态目标跟踪测试.结果 表明:所提算法能够实现目标形变、遮挡或光照变化等复杂场景动态目标长时间跟踪,具有较高的鲁棒性和跟踪精度.
关键词：长时跟踪Mean ShiftTLD梯度纹理
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家重点研发计划(2017YFC0804306)国家自然科学基金(61973305)辽宁省自然基金资助计划项目(2020-KF-22-02)中国煤炭科工集团有限公司科技创新创业资金专项重点项目(2019-2-ZD002)中国煤炭科工集团有限公司科技创新创业资金专项重点项目(2018ZD006)
论文发表日期：2021-09-30
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1002-1010 )
英文信息