基于Mean Shift的多模板目标跟踪算法

doi:10.3778/j.issn.1002-8331.1508-0022

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (6): 141-144.DOI: 10.3778/j.issn.1002-8331.1508-0022

基于Mean Shift的多模板目标跟踪算法

丁晓凤，尚振宏，刘辉，陈熙

昆明理工大学信息工程与自动化学院，昆明 650500

出版日期:2017-03-15 发布日期:2017-05-11

Multiple template moving object tracking based on Mean Shift

DING Xiaofeng, SHANG Zhenhong, LIU Hui, CHEN Xi

College of Information Engineering and Automation, Kunming University of Science and Technology, Kunming 650500, China

Online:2017-03-15 Published:2017-05-11

摘要/Abstract

摘要： 目标跟踪是计算机视觉研究领域的热点之一，并得到广泛应用。其中基于Mean Shift的运动目标跟踪算法因其计算量小，实时性好，简单易行等特点而受到广泛关注，但该算法在目标突变或严重帧丢失以及目标严重遮挡的情况跟踪效果不佳，留下了改进空间。在传统基于Mean Shift运动目标跟踪方法基础上，通过创建并维护多样性模板库为跟踪过程提供更丰富的目标描述信息，提高算法运动目标跟踪效果。实验结果表明，新算法较好地解决了在目标突变和严重帧丢失情况下不能准确跟踪目标的问题，并且对目标的完全遮挡也具有很好的鲁棒性。

关键词: 运动目标跟踪, Mean Shift, 多模板, 模板库

Abstract: Object tracking is one of the hot topics in computer vision. Although object tracking algorithms based on Mean Shift gain a lot of attention because of small calculation, real-time tracking and simple procedure, it can not deal well with the conditions of severe object mutation, frame loss or severe occlusion, which is needed to be improved. Different from the traditional moving object tracking method based on Mean Shift, this paper creates and maintains a diverse of template library providing more abundant description information to improve the tacking performance. Experimental results show that the new algorithm can track the moving object better in above situations, even keep a good robustness when complete object occlusion takes place.

Key words: moving object tracking, Mean Shift, multiple template, template library

丁晓凤，尚振宏，刘辉，陈熙. 基于Mean Shift的多模板目标跟踪算法[J]. 计算机工程与应用, 2017, 53(6): 141-144.

DING Xiaofeng, SHANG Zhenhong, LIU Hui, CHEN Xi. Multiple template moving object tracking based on Mean Shift[J]. Computer Engineering and Applications, 2017, 53(6): 141-144.

[1]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[2]	李江1，张海涛1，2，刘让苏2. 动态背景运动目标的快速锁定跟踪算法[J]. 计算机工程与应用, 2017, 53(4): 214-222.
[3]	吴桐1，2，王玲2，李钟敏1，何凡1. 基于混合观测模型的粒子滤波跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 172-177.
[4]	吴琴琴1，2，马苗1，2，3. 基于自适应Mean Shift算法的彩色图像滤波[J]. 计算机工程与应用, 2016, 52(10): 201-206.
[5]	梅洪，陈昭炯. 基于Mean Shift和FDoG的图像卡通化渲染[J]. 计算机工程与应用, 2016, 52(10): 213-217.
[6]	杨秋芬1，2，桂卫华1，胡豁生1. 2DPCA与稀疏表示模型的运动目标跟踪法[J]. 计算机工程与应用, 2015, 51(4): 201-204.
[7]	李晗，王瑜，薛红. 光照和尺度自适应的Mean Shift人脸跟踪算法[J]. 计算机工程与应用, 2014, 50(5): 156-159.
[8]	侯文迪1，2，王宁1，2，李金屏1，2. 基于运动信息与Hog特征的伪装色移动目标跟踪[J]. 计算机工程与应用, 2014, 50(24): 187-190.
[9]	宋康康，陈恳，郭运艳. 漂移系数优化颜色直方图的Mean Shift算法[J]. 计算机工程与应用, 2014, 50(13): 173-177.
[10]	熊平，白云鹏. 带宽自适应Mean Shift图像分割算法[J]. 计算机工程与应用, 2013, 49(23): 174-176.
[11]	包旭1，杜凯2，田浩2. 基于改进Mean Shift和SURF的目标跟踪[J]. 计算机工程与应用, 2013, 49(21): 133-137.
[12]	张航1，李梦丽2，杨清波2. 基于小生境遗传算法的粒子滤波算法[J]. 计算机工程与应用, 2013, 49(18): 191-194.
[13]	李维，刘良明，杜娟. 针对FY2E影像的白天雾检测研究[J]. 计算机工程与应用, 2012, 48(8): 4-7.
[14]	王美珍，王玲，赵文娴. 医药大输液中可见微小异物检测方法研究[J]. 计算机工程与应用, 2012, 48(34): 190-194.
[15]	杨哲辉1，郭雷1，胡喆2，余博1. 模糊自适应运动目标跟踪算法[J]. 计算机工程与应用, 2012, 48(23): 181-184.

基于Mean Shift的多模板目标跟踪算法

Multiple template moving object tracking based on Mean Shift

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