一种改进的EMD目标跟踪方法

doi:10.3778/j.issn.1002-8331.2010.33.042

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (33): 151-154.DOI: 10.3778/j.issn.1002-8331.2010.33.042

• 图形、图像、模式识别 • 上一篇下一篇

一种改进的EMD目标跟踪方法

张伟平，赵楠楠，李培华

黑龙江大学计算机科学技术学院，哈尔滨 150080

收稿日期:2010-05-31 修回日期:2010-09-14 出版日期:2010-11-21 发布日期:2010-11-21
通讯作者: 张伟平

Improved EMD object tracking method

ZHANG Wei-ping，ZHAO Nan-nan，LI Pei-hua

College of Computer Science and Technology，Heilongjiang University，Harbin 150080，China

Received:2010-05-31 Revised:2010-09-14 Online:2010-11-21 Published:2010-11-21
Contact: ZHANG Wei-ping

摘要/Abstract

摘要： DEMD（Differential Earth Mover’s Distance）跟踪算法采用归一化的EMD模型作为相似性函数，在推导相似性函数梯度时，假定颜色模型中某一区间权重发生改变时其他区间的权重等比例变化，这种假定在很多情况下并不合理。另外，DEMD算法沿着梯度方向以一个像素为步长进行迭代，收敛速度较慢。为了解决上述问题，提出了一种改进的EMD目标跟踪算法。该方法使用未归一化的EMD模型作为相似性函数，通过线性规划中的两阶段法求解EMD距离并推导出相应的均值漂移算法。实验表明，改进算法具有更好的跟踪性能而且收敛速度更快。

关键词: 目标跟踪, 差分推土机距离（DEMD）, 单纯型法, 均值漂移

Abstract: The DEMD（Differential Earth Mover’s Distance） tracking algorithm adopts normalized EMD model as the similarity function，and computes the derivative of EMD on the irrational assumption that when the weight of one bin changes，the weights of other bins change in equal proportion.In addition，the DEMD tracking algorithm has slow convergence rate because it iterates by one pixel along the gradient.In addressing the two problems，an improved EMD object tracking method is proposed.It employs original EMD model to measure the similarity of two color distributions without normalization，computes using the two phase method in linear programming and then derives the mean shift iteration equations by maximizing the similarity function.Experimental results show that the proposed algorithm has better tracking performance and is more efficient than the DEMD algorithm.

Key words: object tracking, Differential Earth Mover’s Distance（DEMD）, simplex method, Mean Shift

中图分类号:

TP391.41

张伟平，赵楠楠，李培华. 一种改进的EMD目标跟踪方法[J]. 计算机工程与应用, 2010, 46(33): 151-154.

ZHANG Wei-ping，ZHAO Nan-nan，LI Pei-hua. Improved EMD object tracking method[J]. Computer Engineering and Applications, 2010, 46(33): 151-154.

[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]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	李艳，唐达明，周莹亮，戴庆瑜. 基于计算机视觉的轮椅跟随系统设计[J]. 计算机工程与应用, 2021, 57(10): 163-172.

一种改进的EMD目标跟踪方法

Improved EMD object tracking method

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