活动轮廓模型目标跟踪算法综述

doi:10.3778/j.issn.1002-8331.2008.34.064

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (34): 208-212.DOI: 10.3778/j.issn.1002-8331.2008.34.064

活动轮廓模型目标跟踪算法综述

董春利^1,2,董育宁^1,3,王莉²

1.南京邮电大学通信与信息工程学院，南京 210003
2.南京交通职业技术学院信息工程系，南京 211188
3.苏州大学江苏省计算机信息处理技术重点实验室，江苏苏州 215006

收稿日期:2008-01-14 修回日期:2008-06-11 出版日期:2008-12-01 发布日期:2008-12-01
通讯作者: 董春利

Survey of object tracking algorithms based on active contour models

DONG Chun-li^1,2,DONG Yu-ning^1,3,WANG Li²

1.College of Communication and Information Engineering，Nanjing University of Posts and Telecommunications，Nanjing 210003，China
2.Dept. of Information Engineering，Nanjing College of Transportation Vocational Technology，Nanjing 211188，China
3.Jiangsu Provincial Key Lab of Computer Information Processing Technology，Soochow University，Suzhou，Jiangsu 215006，China

Received:2008-01-14 Revised:2008-06-11 Online:2008-12-01 Published:2008-12-01
Contact: DONG Chun-li

摘要/Abstract

摘要： 目标跟踪是当前计算机视觉领域最活跃的研究主题。首先对基本的跟踪类型进行了介绍；然后讨论了基于活动轮廓模型的图像分割，重点分析了参数活动轮廓模型的梯度矢量流模型（Gradient Vector Flow，GVF），以及几何活动轮廓模型中的模型；并讨论了基于粒子滤波的目标跟踪算法的研究现状，最后展望了这一领域未来研究的热点。

关键词: 目标跟踪, 活动轮廓模型, 粒子滤波, 多目标跟踪

Abstract: Object tracking is hot topics currently in the fields of computer vision.Firstly，the basic tracking classification are introduced.Secondly，the image division based on active contour models is discussed with emphasis on analyzing the Gradient Vector Flow（GVF） of the parametric active contour models and Chan-Vese model of the geometric active contour models.Finally the present research situation of object tracking algorithms based on particle filter has been analyzed.Additionally，the trends in this fields are discussed.

Key words: object tracking, active contour models, particle filter, multiple object tracking

董春利^1,2,董育宁^1,3,王莉². 活动轮廓模型目标跟踪算法综述[J]. 计算机工程与应用, 2008, 44(34): 208-212.

DONG Chun-li^1,2,DONG Yu-ning^1,3,WANG Li². Survey of object tracking algorithms based on active contour models[J]. Computer Engineering and Applications, 2008, 44(34): 208-212.

[1]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[2]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[3]	王玲，王家沛，王鹏，孙爽滋. 融合注意力机制的孪生网络目标跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 169-174.
[4]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[5]	崔洲涓，安军社，陈长龙，崔天舒. 基于PYNQ框架的深度卷积特征异构跟踪系统[J]. 计算机工程与应用, 2021, 57(4): 120-126.
[6]	邱守猛，谷宇章，袁泽强. 基于双分支孪生网络的目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 135-143.
[7]	林淑彬，吴贵山，许甲云，杨文元. 多帧监督的相关滤波无人机目标跟踪[J]. 计算机工程与应用, 2021, 57(24): 152-160.
[8]	陈富健，谢维信，夏婷. 基于LCT+的自适应抗遮挡目标跟踪算法[J]. 计算机工程与应用, 2021, 57(22): 190-198.
[9]	武哲纬，周世杰，刘启和. 运算资源受限环境下的目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(21): 24-40.
[10]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[11]	李晓花，苏骏，李秀秀. 强干扰环境单观测站水下纯方位多目标跟踪[J]. 计算机工程与应用, 2021, 57(17): 253-259.
[12]	陈庆林，谷雨，宋忠浩，聂圣东. 融合检测与跟踪的半自动视频目标标注[J]. 计算机工程与应用, 2021, 57(14): 223-230.
[13]	张瑶，卢焕章，张路平，胡谋法. 基于深度学习的视觉多目标跟踪算法综述[J]. 计算机工程与应用, 2021, 57(13): 55-66.
[14]	王德鑫，常发亮. 六足机器人动态目标检测与跟踪系统研究[J]. 计算机工程与应用, 2021, 57(12): 180-185.
[15]	刘云，钱美伊，李辉，王传旭. 特征融合与训练加速的高效目标跟踪[J]. 计算机工程与应用, 2021, 57(10): 101-109.

活动轮廓模型目标跟踪算法综述

Survey of object tracking algorithms based on active contour models

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics