基于视野分界线的多摄像机运动目标跟踪算法

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (9): 208-212.

基于视野分界线的多摄像机运动目标跟踪算法

阳小燕1，任家富1，刘长江2

1.成都理工大学核技术与自动化学院，成都 610059
2.成都理工大学环境与土工学院，成都 610059

出版日期:2016-05-01 发布日期:2016-05-16

Moving target tracking algorithm with multiple camera based on FOV line

YANG Xiaoyan1, REN Jiafu1, LIU Changjiang2

1.College of Nuclear Technology and Automation Engineering, Chengdu University of Technology, Chengdu 610059, China
2.College of Environment and Civil Engineering, Chengdu University of Technology, Chengdu 610059, China

Online:2016-05-01 Published:2016-05-16

摘要/Abstract

摘要： 提出了一种改进的基于视野分界线的多摄像机运动目标跟踪算法。该算法通过采用SIFT算法来自动获取特征点，生成视野分界线。当目标穿过分界线后，将待确定目标颜色直方图与目标颜色直方图相匹配，匹配度最好的赋予标识，即完成目标的交接，用Mean Shift算法完成后续目标的跟踪。在搭建的实验平台上进行了实时跟踪，实验结果表明该算法能有效实现多摄机间的目标连续跟踪。

关键词: 视野分界线, 尺度不变特征变换（SIFT）, 目标跟踪, 多摄像机

Abstract: In this paper, an improved moving target tracking algorithm with multiple camera based on FOV line is presented. Firstly, it uses SIFT algorithm to select matching points automatically and generate FOV line. When the target passes the line, its color histogram is compared against the target’s real color histogram to identify the best matching, namely, the handover is achieved. Then it uses the Mean Shift algorithm to track the subsequent target. A real-time tracking is carried out, and the experimental results show that the algorithm can achieve continuous tracking effectively among multiple cameras.

Key words: Field of View（FOV） line, Scale-Invariant Feature Transform（SIFT）, object tracking, multiple camera

阳小燕1，任家富1，刘长江2. 基于视野分界线的多摄像机运动目标跟踪算法[J]. 计算机工程与应用, 2016, 52(9): 208-212.

YANG Xiaoyan1, REN Jiafu1, LIU Changjiang2. Moving target tracking algorithm with multiple camera based on FOV line[J]. Computer Engineering and Applications, 2016, 52(9): 208-212.

[1]	曹超, 顾幸生. 基于改进YOLO v8的行李追踪技术[J]. 计算机工程与应用, 2024, 60(9): 151-158.
[2]	谌海云, 黄忠义, 王海川, 余鸿皓. 基于改进Tracktor的行人多目标跟踪算法[J]. 计算机工程与应用, 2024, 60(8): 242-249.
[3]	梁孝国, 李辉, 程远志, 陈双敏, 刘恒源. 时空嵌入感知与多任务协同优化的多目标跟踪[J]. 计算机工程与应用, 2024, 60(6): 282-292.
[4]	贺愉婷, 车进, 吴金蔓, 马鹏森. OMC框架下的行人多目标跟踪算法研究[J]. 计算机工程与应用, 2024, 60(5): 172-182.
[5]	姜文涛, 王德强, 张晟翀. 非线性时空正则化的相关滤波目标跟踪算法[J]. 计算机工程与应用, 2024, 60(3): 165-176.
[6]	张英俊, 白小辉, 谢斌红. CNN-Transformer特征融合多目标跟踪算法[J]. 计算机工程与应用, 2024, 60(2): 180-190.
[7]	谌海云, 王海川, 黄忠义, 余鸿皓. 引入轻量级Transformer的无人机视觉跟踪[J]. 计算机工程与应用, 2024, 60(2): 244-253.
[8]	江进宝, 宣士斌, 付杰. 融合时空信息的Transformer单目标跟踪算法[J]. 计算机工程与应用, 2024, 60(19): 230-241.
[9]	刘万军, 梁林林, 曲海成. 利用Transformer的多模态目标跟踪算法[J]. 计算机工程与应用, 2024, 60(11): 84-94.
[10]	李旺, 张娜娜. 基于改进FairMOT的多目标跟踪算法[J]. 计算机工程与应用, 2024, 60(11): 139-146.
[11]	陈健超, 奚峥皓, 刘翔. 基于相机运动估计的改进ECO多目标跟踪器设计[J]. 计算机工程与应用, 2024, 60(10): 285-291.
[12]	巩畅, 单玉刚, 袁杰. Kalman滤波与模板更新结合的SiamRPN目标跟踪[J]. 计算机工程与应用, 2023, 59(8): 200-207.
[13]	常家顺, 孙力帆, 杨哲, 张金锦, 付主木. 融合暗通道先验的去雾目标跟踪算法[J]. 计算机工程与应用, 2023, 59(8): 239-246.
[14]	韦健, 赵旭, 李连鹏. 融合位置信息注意力的孪生弱目标跟踪算法[J]. 计算机工程与应用, 2023, 59(7): 198-206.
[15]	肖振久, 李鑫. 密度峰值聚类的全尺度相关滤波跟踪方法[J]. 计算机工程与应用, 2023, 59(5): 131-139.