主办单位: 共青团中央   中国科协   教育部   中国社会科学院   全国学联  

承办单位: 贵州大学     

基本信息

项目名称:
一种基于纹理和颜色的粒子滤波目标跟踪方法
小类:
信息技术
简介:
本文针对基于颜色的粒子滤波跟踪方法在复杂背景下会导致跟踪失败的问题,提出了一种基于局部二值模式纹理和颜色特征的粒子滤波目标跟踪方法。
详细介绍:
颜色直方图是对目标在彩色图像中的全局描述,而局部二值模式纹理包含了灰度图像中局部邻近区域的纹理信息,两者可以互为补充,因此本文同时用颜色直方图和局部二值模式纹理直方图描述目标,在粒子滤波框架下将目标颜色和局部二值模式纹理有机结合起来。

作品图片

  • 一种基于纹理和颜色的粒子滤波目标跟踪方法

作品专业信息

撰写目的和基本思路

纹理是图像的重要信息和特征,它描述了图像所对应的景物的表面性质,包括表面结构组织及其与周围环境关系的许多重要信息。局部二值模式(Local Binary Pattern,LBP)是一种有效的纹理描述算子,可以对灰度图像中局部邻近区域的纹理信息进行度量和提取。在近十年的时间内,LBP算子已经广泛地应用到纹理分类、图像检索、人脸图像分析等领域[9]。

科学性、先进性及独特之处

本文融合局部二值模式纹理和颜色特征,再结合粒子滤波实现动态目标跟踪。颜色特征是对彩色图像进行操作,而局部二值边缘特征是对灰度图像进行操作,两者可以互补。多特征结合可以提高跟踪算法的鲁棒性,且这两个特征都非常简单有效,能获得实时跟踪效果。实验结果表明,本文所提方法能提高目标跟踪精度,而且有较强的鲁棒性。

应用价值和现实意义

现有的目标跟踪方法主要有基于区域的跟踪、基于特征的跟踪、基于轮廓线的跟踪、基于模型的跟踪、基于运动场估计的跟踪、混合方式的跟踪等[4]。尽管已经提出了许多有效的视频目标跟踪算法,但是在实际应用中视频目标跟踪仍然面临许多困难,如光照变化、目标姿态的改变、目标非线性形变以及背景中的噪声和干扰等,因此具有高鲁棒性的视频目标跟踪算法的研究仍然是一项具有挑战性的任务

学术论文摘要

本文针对基于颜色的粒子滤波跟踪方法在复杂背景下会导致跟踪失败的问题,提出了一种基于局部二值模式纹理和颜色特征的粒子滤波目标跟踪方法。颜色直方图是对目标在彩色图像中的全局描述,而局部二值模式纹理包含了灰度图像中局部邻近区域的纹理信息,两者可以互为补充,因此本文同时用颜色直方图和局部二值模式纹理直方图描述目标,在粒子滤波框架下将目标颜色和局部二值模式纹理有机结合起来。实验结果表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。

获奖情况

2011.3月发表于《电视技术》

鉴定结果

录用

参考文献

录用

同类课题研究水平概述

近年来,粒子滤波方法被引入到目标跟踪中,它为解决非线性、非高斯系统下的目标跟踪问题提供了一个有效的框架。粒子滤波是一种基于Bayes原理用粒子概率密度表示的序贯Monte-Carlo模拟方法,其基本思想就是通过寻找一组在状态空间中传播的随机样本对后验概率分布进行近似,以样本均值代替积分运算,从而获得状态的最小方差估计过程。Isard等率先在计算机视觉领域引入了粒子滤波算法,并较系统地研究了采用粒子滤波算法实现目标的轮廓跟踪[5,6];Nunllniaro等提出了基于颜色的自适应粒子滤波跟踪算法[7];Perez等提出了一种基于颜色的粒子滤波算法实现多目标跟踪[8];张涛等提出了一种基于色彩相关直方图的粒子滤波跟踪算法[9];李培华提出了的基于颜色信息的粒子滤波器跟踪算法应用了GPU并行算法提高了计算速度[10];Okuma等提出了一种基于Adaboost的粒子滤波算法的多目标实时跟踪算法[11];Maceormick等系统地总结了粒子滤波方法在计算机视觉中的应用,系统地阐述了粒子滤波算法的最新应用成果和发展趋势[12]。
建议反馈 返回顶部
Baidu
map