基于形状上下文与粒子滤波的机翼跟踪

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (32): 191-195.

• 图形、图像、模式识别 • 上一篇下一篇

基于形状上下文与粒子滤波的机翼跟踪

侯建波1，2，顾宏斌1，2，孙瑾1，2

1.南京航空航天大学民航学院，南京 210016
2.南京航空航天大学飞行模拟与先进培训工程技术研究中心，南京 210016

出版日期:2012-11-11 发布日期:2012-11-20

Wingtip tracking algorithm based on shape context and particles filter

HOU Jianbo1，2, GU Hongbin1，2, SUN Jin1，2

1.School of Civil Aviation, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China
2.Engineering Research Center for Flight Simulation and Advanced Training, Nanjing University of Aeronautics and Astronautics, Nanjing 210016, China

Online:2012-11-11 Published:2012-11-20

摘要/Abstract

摘要： 针对飞机地面牵引移动过程中存在的潜在危险，研究了一种基于视频的翼尖跟踪方法。针对机场光照、背景变化等复杂外界情况，为克服常规图像目标跟踪方法的不足，通过简化和改进形状上下文描述翼尖轮廓特征，以粒子滤波为基本框架实现翼尖跟踪，并根据机翼的不同运动速度自适应调节状态转移方程参数，增加有效粒子个数，避免粒子衰竭。实验结果表明，该方法能够有效跟踪翼尖，具有较好的跟踪效果和鲁棒性。

关键词: 目标跟踪, 形状上下文, 粒子滤波

Abstract: To the potential dangerous existing in airplane ground movement of the airport, a wingtip tracking method which is based on video image processing and combined with conventional target tracking is proposed in this paper. Due to the complexity of illumination, background and the gesture of wingtip, this paper presents a new tracking algorithm under particles filter framework which adopts improved shape context as the tracking feature. According to the different movement speed of wing, it regulates the parameters of state transition equation adaptively, and increases the effective particles number to avoid the degeneracy problem in particle filtering. The testing results show that the method proposed in this paper has an accurate and robust performance in wingtip tracking.

Key words: object tracking, shape context, particles filter

侯建波1，2，顾宏斌1，2，孙瑾1，2. 基于形状上下文与粒子滤波的机翼跟踪[J]. 计算机工程与应用, 2012, 48(32): 191-195.

HOU Jianbo1，2, GU Hongbin1，2, SUN Jin1，2. Wingtip tracking algorithm based on shape context and particles filter[J]. Computer Engineering and Applications, 2012, 48(32): 191-195.

[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]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	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.
[15]	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.

基于形状上下文与粒子滤波的机翼跟踪

Wingtip tracking algorithm based on shape context and particles filter

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