Mean Shift和粒子滤波实现红外人体跟踪算法综述

doi:10.3778/j.issn.1002-8331.1909-0171

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (24): 29-36.DOI: 10.3778/j.issn.1002-8331.1909-0171

Mean Shift和粒子滤波实现红外人体跟踪算法综述

耿建平，雷梦英

桂林电子科技大学电子工程与自动化学院，广西桂林 541004

出版日期:2019-12-15 发布日期:2019-12-11

Review of Infrared Human Tracking Algorithm Using Mean Shift and Particle Filter

GENG Jianping, LEI Mengying

School of Electronic Engineering and Automation, Guilin University of Electronic Technology, Guilin, Guangxi 541004, China

Online:2019-12-15 Published:2019-12-11

摘要/Abstract

摘要： 红外摄像仪能够全天候工作且不会受限于像光线不足、漆黑夜晚等外界环境的干扰，但是红外图像成像质量差、分辨率低、信息单一等特点导致研究人体目标跟踪出现许多难点问题。主要贡献表现在以下三个方面：（1）对少有的公开的红外数据集进行详细归纳；（2）重点阐述了国内外在红外人体跟踪方面对Mean Shift算法和粒子滤波算法的改进方案；（3）重点介绍了融合红外成像与可见光成像实现红外人体跟踪的研究进展。

关键词: 红外人体跟踪, 红外数据集, Mean Shift算法, 粒子滤波算法

Abstract: The infrared camera works all day and is not limited by external environment such as insufficient light and dark night. However, the poor imaging quality, low resolution and single information of the infrared images lead to many difficult problems in researching human target tracking. The main contributions of this paper are shown in the following three aspects：（1） The rare public infrared datasets are summarized in detail. （2） The improvement schemes of Mean Shift algorithm and particle filter algorithm in infrared human tracking at home and abroad are elaborated emphatically. （3） The research progress of infrared human tracking by fusing infrared imaging and visible imaging is mainly introduced.

Key words: infrared human tracking, infrared datasets, Mean Shift algorithm, particle filter algorithm

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.

GENG Jianping, LEI Mengying. Review of Infrared Human Tracking Algorithm Using Mean Shift and Particle Filter[J]. Computer Engineering and Applications, 2019, 55(24): 29-36.

[1]	刘红星1，2，胡广地1，朱晓媛1，李进龙3. 改进协方差矩阵的智能车视觉目标跟踪方法[J]. 计算机工程与应用, 2019, 55(3): 171-178.
[2]	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.
[3]	马春来，朱立新，孟 ，耿晓娟. 改进的UPF在GPS/INS导航中的应用[J]. 计算机工程与应用, 2014, 50(7): 254-258.
[4]	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.
[5]	汲清波，耿丽群，任超. 高斯粒子群优化粒子滤波检测前跟踪算法[J]. 计算机工程与应用, 2014, 50(17): 205-209.
[6]	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.
[7]	刘华伟，李湘清，谢文俊. 目标跟踪状态估计排序粒子群算法研究[J]. 计算机工程与应用, 2012, 48(15): 21-23.
[8]	王朝英¹，李光¹，侯志强¹，林南章². 融合mean shift和区域显著性的彩色图像分割算法[J]. 计算机工程与应用, 2010, 46(28): 181-184.
[9]	磨少清^1，2，刘正光¹，张军¹. 大货车闯禁行的实时识别方法[J]. 计算机工程与应用, 2010, 46(22): 225-228.
[10]	付勇，何明一，刘超. Mean Shift目标跟踪核函数宽度的自适应调整[J]. 计算机工程与应用, 2010, 46(17): 243-245.
[11]	于勇,郭雷. 一种基于粒子滤波的红外目标跟踪方法[J]. 计算机工程与应用, 2008, 44(20): 17-19.
[12]	郭利进,王化祥,孟庆浩,邱亚男. 基于粒子滤波的移动机器人SLAM改进算法[J]. 计算机工程与应用, 2007, 43(30): 26-29.

Mean Shift和粒子滤波实现红外人体跟踪算法综述

Review of Infrared Human Tracking Algorithm Using Mean Shift and Particle Filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics