几何布局和行为检测相结合的遮挡目标跟踪

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (13): 42-46.

几何布局和行为检测相结合的遮挡目标跟踪

吴雪刚1，3，唐远炎1，2，房斌1，赵爽文4，李柳柏3，谭勇3，邢昌元1，3

1.重庆大学计算机学院，重庆 400044
2.澳门大学计算机信息科学系，中国澳门
3.长江师范学院数学与计算机系，重庆 408100
4.涪陵区经济和信息化委员会，重庆 408000

出版日期:2015-07-01 发布日期:2015-06-30

Tracking objects with occlusion based on geometry layout and activity detection

WU Xuegang1，3, TAN Yuanyan1，2, FANG Bin1, ZHAO Shuangwen4, LI Liubai3, TAN Yong3, XING Changyuan1，3

1.College of Computer, Chongqing University, Chongqing 400044, China
2.Department of Computer and Information Science, the University of Macao, Macao, China
3.Department of Mathematics and Computer, Yangtze Normal University, Chongqing 408100, China
4.Fuling District Economic and Information Commission, Chongqing 408000, China

Online:2015-07-01 Published:2015-06-30

摘要/Abstract

摘要： 提出一种基于本地环境几何结构信息并结合行为识别的粒子滤波器来解决行进中被跟踪目标的遮挡问题。当发生遮挡情况时，先测定目标在环境中的相对位置信息，根据先验知识确定此位置目标的相对高度，进一步确定目标地面着力点的位置坐标；根据着力点的位置确定不同目标分属的相对不同的环境区域；再利用行为识别算法的对不同行为（跑、跳、走等）进行判断；将这些参数结合到粒子滤波器中进行预测跟踪。此时，不同位置区域目标在不同轨道上的粒子权重就会增加，不同特征的行为在运动过程的粒子权重也会增加，从而提高了遮挡情况下目标跟踪的准确率。仿真实验结果表明，该方法具有较好的实用性和研究价值。

关键词: 目标跟踪, 卡尔曼滤波器, 粒子滤波, 粒子退化, 遮挡

Abstract: Based on geometry layout and particle filter, this paper proposes a method to solve the problem of object tracking. Prior knowledge from interesting object and its perspective effect, the region of different shapes is investigated. When occlusion happens between different objects, it firstly measures the distance between camera and object, and then gets the relative height of object, further ensures the accurate site of the object. At last, it is known that different objects belong to their regions. And then, using particle filter to tracking different occlusion objects, the weight will be increased when objects in different region move to their rails, the accurate rate will be advanced. The experimental results show the method is with practical effect.

Key words: object tracking, Kalman Filter（KF）, Particle Filter（PF）, particle degenerating, occlusion

吴雪刚1，3，唐远炎1，2，房斌1，赵爽文4，李柳柏3，谭勇3，邢昌元1，3. 几何布局和行为检测相结合的遮挡目标跟踪[J]. 计算机工程与应用, 2015, 51(13): 42-46.

WU Xuegang1，3, TAN Yuanyan1，2, FANG Bin1, ZHAO Shuangwen4, LI Liubai3, TAN Yong3, XING Changyuan1，3. Tracking objects with occlusion based on geometry layout and activity detection[J]. Computer Engineering and Applications, 2015, 51(13): 42-46.

[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]	李松江，吴宁，王鹏，李海兰. 基于改进Cascade RCNN的车辆目标检测方法[J]. 计算机工程与应用, 2021, 57(5): 123-130.
[6]	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.
[7]	李佐龙，王帮海，卢增. 多尺度特征融合重建的行人检测方法[J]. 计算机工程与应用, 2021, 57(4): 176-182.
[8]	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.
[9]	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.
[10]	杨鲁月，张树美，赵俊莉. 基于并行Gan的有遮挡动态表情识别[J]. 计算机工程与应用, 2021, 57(24): 168-178.
[11]	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.
[12]	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.
[13]	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.
[14]	徐遐龄，刘涛，田国辉，于文娟，肖大军，梁陕鹏. 有遮挡环境下的人脸识别方法综述[J]. 计算机工程与应用, 2021, 57(17): 46-60.
[15]	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.