基于运动信息与Hog特征的伪装色移动目标跟踪

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (24): 187-190.

基于运动信息与Hog特征的伪装色移动目标跟踪

侯文迪1，2，王宁1，2，李金屏1，2

1.济南大学信息科学与工程学院，济南 250022
2.山东省网络环境智能计算技术重点实验室，济南 250022

出版日期:2014-12-15 发布日期:2014-12-12

Camouflaged moving object tracking algorithm based on motion information and Hog feature

HOU Wendi1，2, WANG Ning1，2, LI Jinping1，2

1.School of Information Science and Engineering, University of Jinan, Jinan 250022, China
2.Shandong Provincial Key Laboratory of Network Based Intelligent Computing, Jinan 250022, China

Online:2014-12-15 Published:2014-12-12

摘要/Abstract

摘要： 针对复杂背景下伪装色运动目标的跟踪问题，提出一种基于运动信息与梯度方向直方图的跟踪方法。通过金字塔光流法获取视频序列中目标运动矢量范围；利用目标区域的灰度特征以及Hog特征构建特征向量，沿着运动主方向在速度大小范围内进行二分法匹配，进而确定目标的准确位置。实验结果表明，针对平缓变化的视频序列，对于颜色色调范围较大或者边缘结构较为明显的伪装色运动目标具有良好的跟踪效果。

关键词: 伪装色, 运动目标跟踪, 金字塔光流法, 梯度方向直方图

Abstract: In order to track the camouflaged moving object under complex background, a method based on multi-resolution optical flow and Histograms of Oriented Gradients（HOG） is proposed. The speed vector range of object is obtained by using the multi-resolution optical flow. The gray feature and HOG feature of object area are used to construct the feature vector, which is a standard of bipartite matching in the range of speed value along the main direction of object, and then the object area is obtained accurately. The experimental results demonstrate the proposed approach is effective to track the camouflaged moving object in slowly changing background when the color of camouflaged object changes greatly or the moving object has obvious edge structure.

Key words: camouflage, moving object tracking, multi-resolution optical flow, Histograms of Oriented Gradients（Hog）

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.

HOU Wendi1，2, WANG Ning1，2, LI Jinping1，2. Camouflaged moving object tracking algorithm based on motion information and Hog feature[J]. Computer Engineering and Applications, 2014, 50(24): 187-190.

[1]	王育坚，高倩，谭卫雄，李深圳. 融合Haar型局部特征的人耳识别算法[J]. 计算机工程与应用, 2019, 55(18): 127-131.
[2]	王丹1，郑江华1，2，3，努尔巴依1. 干旱区植物叶片识别研究[J]. 计算机工程与应用, 2019, 55(13): 129-133.
[3]	杨松1，2，3，李盛阳1，2，邵雨阳1，2，郑贺1，2，3. 基于改进HOG特征的建筑物识别方法[J]. 计算机工程与应用, 2018, 54(7): 196-200.
[4]	刘文婷，卢新明. 基于LBP和HOG特征分层融合的步态识别[J]. 计算机工程与应用, 2018, 54(24): 168-175.
[5]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[6]	陈睿敏1，2，孙胜利1，廖星星1. 基于TLSHOG特征新方法的动态手势识别[J]. 计算机工程与应用, 2018, 54(13): 142-147.
[7]	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.
[8]	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.
[9]	胡丽乔1，2，仇润鹤1，2. 一种自适应加权HOG特征的人脸识别算法[J]. 计算机工程与应用, 2017, 53(3): 164-168.
[10]	吉训生1，陈赛1，黄越2. 判别稀疏表示与在线字典学习的运动目标跟踪[J]. 计算机工程与应用, 2017, 53(3): 211-215.
[11]	沈建冬，陈恒. 融合HOG和颜色特征的人体姿态估计新算法[J]. 计算机工程与应用, 2017, 53(21): 190-194.
[12]	韩贵金. 加权SVDD算法在人体姿态估计中的研究与应用[J]. 计算机工程与应用, 2017, 53(15): 132-136.
[13]	杨恢先1，唐金鑫1，陶霞1，姜德财2，颜微2. 基于韦伯梯度方向直方图的人脸识别算法[J]. 计算机工程与应用, 2017, 53(15): 200-205.
[14]	黄忠1，2，胡敏2，刘娟1. 基于AAM-SIFT特征描述的两级SVM人脸表情识别[J]. 计算机工程与应用, 2016, 52(3): 178-183.
[15]	姜树明，李凤娇，张元元. 基于多特征融合的压缩跟踪算法[J]. 计算机工程与应用, 2016, 52(15): 203-207.