一种基于运动估计的红外目标跟踪方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (12): 125-128.

一种基于运动估计的红外目标跟踪方法

修彬1，2，李成龙2，汤进1，2，罗斌1，2

1.安徽省工业图像处理与分析重点实验室，合肥 230039
2.安徽大学计算机科学与技术学院，合肥 230601

出版日期:2014-06-15 发布日期:2015-05-08

Infrared target tracking algorithm based on motion estimation

XIU Bin1，2, LI Chenglong2, TANG Jin1，2, LUO Bin1，2

1.Key Lab of Industrial Image Processing & Analysis of Anhui Province, Hefei 230039, China
2.School of Computer Science and Technology, Anhui University, Hefei 230601, China

Online:2014-06-15 Published:2015-05-08

摘要/Abstract

摘要： 为解决红外目标跟踪中目标的交错、遮挡等问题，提出了一种新的基于运动估计的目标跟踪方法。建立目标的方向梯度-灰度直方图特征模型，该模型能较准确地刻画目标特征。使用最大后验概率指标在搜索区域进行目标匹配，该指标能很好地突出目标、抑制背景，并容易得到全局最优解。提出一种新的运动估计方法，即轨迹预测算法，对目标的运动进行较准确的估计。实验结果证明，该方法不仅计算复杂度低，而且能够较好地解决目标交错、遮挡等问题。

关键词: 红外目标跟踪, 方向梯度-灰度直方图特征, 最大后验概率, 运动估计

Abstract: A novel object tracking method based on motion estimation is proposed in this paper to solve stagger and occlusion problems in infrared object tracking. The gradient direction-joint gray histogram model of an object is established, which can depict characteristics of the object accurately. Then maximum posterior probability is used to match the objects in the search area, which is efficient to enhance the target, inhibit the background and easy to find the global optimal solution. A novel method based on motion estimation, trajectory prediction, is proposed to evaluate motion trajectory of object accurately. Experimental results illustrate that the proposed method not only can solve the stagger and occlusion problems better, but also has lower computation complexity.

Key words: infrared object tracking, Histogram of Oriented Gradient and Illumination（HOGI） feature, maximum posterior probability, motion estimation

修彬1，2，李成龙2，汤进1，2，罗斌1，2. 一种基于运动估计的红外目标跟踪方法[J]. 计算机工程与应用, 2014, 50(12): 125-128.

XIU Bin1，2, LI Chenglong2, TANG Jin1，2, LUO Bin1，2. Infrared target tracking algorithm based on motion estimation[J]. Computer Engineering and Applications, 2014, 50(12): 125-128.

[1]	娄英丹，徐静林，黄丽霞，张雪英. MLLR和MAP在远场噪声混响下的语音识别研究[J]. 计算机工程与应用, 2020, 56(10): 122-126.
[2]	曹凯1，2，杨雪梦1，姚敏茹1，2，马天力1，张航1. 基于混合运动估计方法的视觉里程计[J]. 计算机工程与应用, 2019, 55(5): 175-180.
[3]	余应淮，谢仕义，梅其祥. 精确运动估计的核回归修正梯度互相关算法[J]. 计算机工程与应用, 2017, 53(14): 214-221.
[4]	祝晓东1，2，徐济惠2，郁松年1. 视频分析中利用可变阈值的运动估计算法研究[J]. 计算机工程与应用, 2015, 51(6): 181-187.
[5]	孔睿，余宁梅，路伟，王冬芳，任茹. 全插值分像素运动估计VLSI结构[J]. 计算机工程与应用, 2015, 51(3): 162-165.
[6]	梁静，张凡，唐作其，陆安江，张正平. UMHS运动估计算法的优化研究[J]. 计算机工程与应用, 2014, 50(3): 185-189.
[7]	刘治，王玲. 使用动态模型的UMHexagonS算法优化[J]. 计算机工程与应用, 2014, 50(14): 214-218.
[8]	张阿飞，沈海斌. 基于差分的块匹配运动估计算法[J]. 计算机工程与应用, 2013, 49(6): 127-130.
[9]	张小红，张东波. H.264块运动估计自适应快速搜索算法研究[J]. 计算机工程与应用, 2013, 49(6): 183-186.
[10]	曾接贤，郑大芳，符祥. 基于运动矢量空间相关性的H.264分像素运动估计[J]. 计算机工程与应用, 2013, 49(15): 175-178.
[11]	林永，杨印根，杨柳，许大姐. 运动估计中UMHexagonS的研究与改进[J]. 计算机工程与应用, 2013, 49(13): 207-210.
[12]	司华建1，李辉1，陈冠华2，方昕1. 最大后验概率自适应方法在口令识别中的应用[J]. 计算机工程与应用, 2013, 49(12): 164-167.
[13]	徐小明，熊邦书，欧巧凤. 基于非运动区域划分的运动估计算法[J]. 计算机工程与应用, 2012, 48(4): 197-198.
[14]	田秀华. EPZS运动估计算法的分析及改进[J]. 计算机工程与应用, 2012, 48(27): 155-158.
[15]	李志敏，郭科伟，黄鸿，黄凯梁. 一种基于块分割结构的运动估计新算法[J]. 计算机工程与应用, 2012, 48(23): 143-147.