王守义
- 作品数：5 被引量：17H指数：3
- 供职机构：中北大学更多>>
- 发文基金：山西省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于核相关滤波的目标跟踪算法研究与实现
- 目标跟踪技术是计算机视觉领域中一个重要研究课题,其主要任务是在视频序列中获取感兴趣目标的位置,已经被广泛应用于人机交互、视频监控、行为分析、安防及机器人等行业。目前跟踪技术取得相当大的进展,但在实际场景中,仍面临诸多挑战...
- 王守义
- 关键词：目标跟踪相关滤波器核函数
- 文献传递
- 基于卷积特征的核相关自适应目标跟踪被引量：4
- 2017年
- 目的针对现实场景中跟踪目标的快速运动、旋转、尺度变化、遮挡等问题,提出了基于卷积特征的核相关自适应目标跟踪的方法。方法利用卷积神经网络提取高、低层卷积特征并结合本文提出的核相关滤波算法计算并获得高底两层卷积特征响应图。采用Coarse-to-Fine方法对目标位置进行估计,在学习得到1维尺度核相关滤波器估计尺度的基础上实时更新高低两层核相关滤波器参数,以实现自适应的目标跟踪。结果实验选取公开数据集中的典型视频序列进行跟踪,测试了算法在目标尺度发生变化、遮挡、旋转等复杂场景下的跟踪性能并与多种优秀的跟踪算法在平均中心误差、平均重叠率等指标上进行了定量比较,在Singer1、Car4、Jogging、Girl、Football以及MotorRolling视频图像序列上的中心误差分别为8.71、6.83、3.96、3.91、4.83、9.23,跟踪重叠率分别为0.969、1.00、0.967、0.994、0.967、0.512。实验结果表明,本文算法与原始核相关滤波算法相比,平均中心位置误差降低20%,平均重叠率提高12%。结论采用卷积神经网络提取高低两层卷积特征,高层卷积特征用于判别目标和背景,低层卷积特征用于预测目标位置并通过Coarse-to-Fine方法对目标位置进行精确的定位,较好地解决了由于目标的旋转和尺度变化带来的跟踪误差大的问题,提高了跟踪性能并能够实时更新学习。在目标尺度发生变化、遮挡、光照条件改变、目标快速运动等复杂场景下仍表现出较强的鲁棒性和适应性。
- 王守义周海英杨阳
- 关键词：目标跟踪相关滤波器核函数
- 基于核相关滤波器的多目标跟踪算法被引量：8
- 2018年
- 针对多目标跟踪算法中经常会面临的各种挑战,如相机的突然运动、遮挡、误检和外观相似等情况,提出一种基于核相关滤波(KCF)的分步关联框架。首先,该算法采用基于卷积神经网络的目标检测器检测目标,获得准确的检测结果。然后,为了更好地预测目标的运动状态,通过加权融合三种特征的跟踪结果,为每个目标建立一个基于KCF算法的快速跟踪器。此外,为了有效地降低碎片化轨迹的数量,该算法通过跟踪片的置信度分步关联轨迹,并在遮挡的情况下,利用在线随机蕨重新检测目标。最后利用关联成功的检测信息自适应更新KCF算法中的尺度。实验结果表明,与现有算法相比,所提算法能够在各种复杂的条件下,表现出强大和高效的跟踪性能。
- 周海英杨阳王守义
- 关键词：机器视觉多目标跟踪
- 基于多特征融合的显著性跟踪算法被引量：2
- 2017年
- 针对在线视觉跟踪中的高效特征提取以及模型漂移的问题,提出了一种基于显著性检测的核相关滤波器(KCF)跟踪算法。将颜色特征(CN)和方向梯度直方图(HOG)进行加权融合;并自适应地调节每种特征的权重。对于模型漂移问题,受生物视觉机制的启发,通过视觉显著性算法获得目标的显著区域;并在该区域内进行采样,实现了全局范围搜索,避免陷入局部极大值。此外,引入了一种基于关键点的模型来解决目标尺度固定的问题。为验证提出算法的有效性,在50个视频序列上与近年来的5种优秀算法进行了对比。实验结果表明,与以往算法相比,该算法在成功率和中心位置误差上都取得较好的效果;而且能有效地缓解目标模型漂移问题。
- 杨阳周海英王守义
- 关键词：目标跟踪多特征融合变尺度显著性检测
- 改进的核相关自适应目标跟踪算法及其实验验证被引量：3
- 2018年
- 为了解决目标跟踪中出现的快速运动、尺度变化、遮挡等问题,提出基于遮挡检测的核相关自适应目标跟踪。该方法首先利用核函数对正则化最小二乘分类器求解获得核相关滤波器;其次利用核相关滤波器计算特征响应图,同时学习一维尺度滤波器对尺度进行估计;最后,通过响应图的最大值和振荡程度来判断目标是否被遮挡;在未受到遮挡的情况下,更新学习目标的外观模型和尺度模型,实现自适应目标跟踪。在公开的标准数据集上的实验结果表明,相比原始核相关滤波算法,平均中心位置误差降低15%,平均重叠率提高10%;且在目标尺度发生变化、遮挡、光照变化、快速运动等复杂场景下有较强的鲁棒性、适应性。
- 周海英王守义杨阳
- 关键词：目标跟踪相关滤波器核函数
