强噪声场景下运动模板的检测与跟踪技术研究

doi:10.3778/j.issn.1002-8331.2010.26.002

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 5-6.DOI: 10.3778/j.issn.1002-8331.2010.26.002

强噪声场景下运动模板的检测与跟踪技术研究

吴刚^1，2，唐振民²，杨静宇²

1.南京工程学院车辆工程系，南京 211167
2.南京理工大学计算机科学与技术学院，南京 210094

收稿日期:2010-04-14 修回日期:2010-07-26 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 吴刚

Detection and tracking based on motion template under strong disturbance

WU Gang^1，2，TANG Zhen-min²，YANG Jing-yu²

1.Department of Vehicle Engineering，Nanjing Institute of Technology，Nanjing 211167，China
2.School of Computer Science & Technology，Nanjing University of Science and Technology，Nanjing 210094，China

Received:2010-04-14 Revised:2010-07-26 Online:2010-09-11 Published:2010-09-11
Contact: WU Gang

摘要/Abstract

摘要： 针对目前多数运动车辆检测与跟踪算法在雨雪等强噪声场景下抗噪能力较弱这一难点问题，提出应用运动模板方法解决强噪声场景下运动车辆的检测与跟踪问题。通过针对标准测试视频的对比实验，相对其他几种典型的目标检测与跟踪算法，运动模板的检测方法具有以下特点：抗强噪声的能力、多目标检测和方向检测。基于车辆的检测与跟踪实验验证了运动模板方法在强噪声场景下对运动目标的实时检测与跟踪能力。

关键词: 运动检测, 跟踪, 运动模板, 强噪声

Abstract: Aiming at the difficulty on the subject about moving object’s detection and tracking，motion template is applied to resolving move vehicle’s detection and tracking under strong disturbance.Compared with other typical measurements in experiment，the method does well on several points：The ability resisting strong disturbance，multi-object’s detection and directional detection.It has as a quality of practical navigation and control about self-determined robot and unpiloted vehicle based on real-time computer vision.

Key words: movement detection, tracking, motion template, strong disturbance

中图分类号:

TP391.4

吴刚^1，2，唐振民²，杨静宇². 强噪声场景下运动模板的检测与跟踪技术研究[J]. 计算机工程与应用, 2010, 46(26): 5-6.

WU Gang^1，2，TANG Zhen-min²，YANG Jing-yu². Detection and tracking based on motion template under strong disturbance[J]. Computer Engineering and Applications, 2010, 46(26): 5-6.

[1]	李超群，陈智罡，宋新霞，周云慧. 疫情环境下接触人跟踪系统的研究综述[J]. 计算机工程与应用, 2021, 57(9): 68-80.
[2]	牟清萍，张莹，张东波，王新杰，杨知桥. 目标丢失判别机制的视觉跟踪算法及应用研究[J]. 计算机工程与应用, 2021, 57(9): 140-147.
[3]	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.
[4]	牛通，卿粼波，许盛宇，苏婕. 基于深度学习的分层关联多行人跟踪[J]. 计算机工程与应用, 2021, 57(8): 96-102.
[5]	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.
[6]	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.
[7]	林荣来，汤冰影，陈明. 适用于轴承故障诊断的数据增强算法[J]. 计算机工程与应用, 2021, 57(7): 269-278.
[8]	雍玖，王阳萍，党建武，雷晓妹. 改进TLD与ORB的AR系统长时跟踪注册方法[J]. 计算机工程与应用, 2021, 57(7): 178-184.
[9]	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.
[10]	惠小健. 任意初态下的工业机器人迭代学习控制[J]. 计算机工程与应用, 2021, 57(3): 261-265.
[11]	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.
[12]	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.
[13]	丁冰，杨祖莨，丁洁，刘晋峰，闫国亮. 基于改进YOLOv3的高速公路隧道内停车检测方法[J]. 计算机工程与应用, 2021, 57(23): 234-239.
[14]	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.
[15]	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.

强噪声场景下运动模板的检测与跟踪技术研究

Detection and tracking based on motion template under strong disturbance

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