CN104715494A - 基于局部敏感直方图的视频目标压缩跟踪方法 - Google Patents
基于局部敏感直方图的视频目标压缩跟踪方法 Download PDFInfo
- Publication number
- CN104715494A CN104715494A CN201510146249.8A CN201510146249A CN104715494A CN 104715494 A CN104715494 A CN 104715494A CN 201510146249 A CN201510146249 A CN 201510146249A CN 104715494 A CN104715494 A CN 104715494A
- Authority
- CN
- China
- Prior art keywords
- target
- feature
- local sensitivity
- tracking
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种基于局部敏感直方图的视频目标压缩跟踪方法。本发明对视频图像中的目标跟踪起到指导作用，其特征是：(1)通过计算局部敏感直方图，提取光照不变特征；(2)联合压缩跟踪中使用的特征得到更优的特征。该发明简单易行，在目标姿势发生较大变化和光照变化剧烈的情况下能够实现稳定的跟踪，并且满足实时性要求。
Description
技术领域：
本发明涉及计算机视觉领域，具体地说是一种对视频图像中的目标进行跟踪的方法。
背景技术：
随着计算机的性能不断提高和摄像终端渐趋廉价以及自动视频分析市场需求的增大，视频图像中的目标检测与跟踪引起越来越多的关注，并在智能监控、人机交互、视频检索、医疗等领域都具有极为广泛的应用前景。
目标跟踪是智能监控的重要环节，对目标跟踪的研究对智能视频监控和国防安全可以起到指导作用。
发明内容：
本发明的目的是为构建一种具有较高应用价值、简单易行的视频图像中的目标跟踪方法。
本发明通过计算局部敏感直方图，提取光照不变特征，联合压缩跟踪中使用的特征得到更优的特征。对不同视频序列的跟踪结果表明，与压缩跟踪和多示例学习跟踪算法相比，提出的方法在目标姿势发生较大变化和光照变化剧烈的情况下能够实现稳定的跟踪，并且满足实时性要求。
具体的技术方案如下：
(1)初始化跟踪目标，手动选取目标。计算图像的归一化局部敏感直方图，生成光照不变特征，采集目标和背景样本，利用特征提取矩阵生成目标样本和背景的特征；
(2)读取新一帧图像，计算图像的归一化局部敏感直方图，生成光照不变特征，迭代寻找候选区域，计算其特征，选取贝叶斯分类器H(v)最大的候选位置为新一帧的目标位置；
(3)采集目标和背景样本，更新分类器参数；
(4)对下一帧进行处理，直到处理完所有的帧结束。
本发明的有益效果是:
1、建立一个基于局部敏感直方图的压缩跟踪方法；
2、本发明简单易行，在目标姿势发生较大变化和光照变化剧烈的情况下能够实现稳定的跟踪，并且满足实时性要求，应用广泛，对于智能视频监控有可参考和应用的价值，起到指导作用。
本发明的适用于视频图像中的目标跟踪，可以为安防部门提供参考，对智能监控领域起到指导作用。
附图说明：
图1为本发明对david视频序列的跟踪结果图；
图2为本发明对david视频序列跟踪的误差曲线图；
具体实施方式：
下面结合附图和实例进一步说明本发明的实质内容，但本发明的内容并不限于此。
实施例1：
获得david视频图像序列，初始化跟踪目标，手动选取目标。计算图像的归一化局部敏感直方图，生成光照不变特征，采集目标和背景样本，利用特征提取矩阵生成目标样本和背景的特征；读取新一帧图像，计算图像的归一化局部敏感直方图，生成光照不变特征，迭代寻找候选区域，计算其特征，选取使贝叶斯分类器H(v)最大的候选位置为新一帧的目标位置；采集目标和背景样本，更新分类器参数；对下一帧进行处理，直到处理完所有的帧结束。
Claims (4)
1.基于局部敏感直方图的视频目标压缩跟踪方法。本发明对视频图像中的目标跟踪起到指导作用，给视频监控部门提供参考。其特征在于：
(1)计算局部敏感直方图，提取光照不变特征；
(2)利用相同的稀疏测量矩阵对前景目标和背景样本的多尺度图像特征进行压缩得到所需要的特征，训练朴素贝叶斯分类器；
(3)采用朴素贝叶斯分类器对检测的滑动窗特征进行分类，得到目标位置。
2.根据权利要求1所述的一种基于局部敏感直方图的视频目标压缩跟踪方法，其特征在于：计算局部敏感直方图，提取光照不变特征，从而使得目标特征更加稳定，尤其是在光照变化剧烈时跟踪算法更加鲁棒。
3.根据权利要求1所述的一种基于局部敏感直方图的视频目标压缩跟踪的方法，其特征在于：利用相同的稀疏测量矩阵对前景目标和背景样本的多尺度图像特征进行压缩得到所需要的特征，训练朴素贝叶斯分类器。
4.根据权利要求1所述的一种基于局部敏感直方图的视频目标压缩跟踪的方法，其特征在于：用朴素贝叶斯分类器对检测的滑动窗特征进行分类，得到目标位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510146249.8A CN104715494A (zh) | 2015-03-30 | 2015-03-30 | 基于局部敏感直方图的视频目标压缩跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510146249.8A CN104715494A (zh) | 2015-03-30 | 2015-03-30 | 基于局部敏感直方图的视频目标压缩跟踪方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104715494A true CN104715494A (zh) | 2015-06-17 |
Family
ID=53414788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510146249.8A Pending CN104715494A (zh) | 2015-03-30 | 2015-03-30 | 基于局部敏感直方图的视频目标压缩跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104715494A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106023246A (zh) * | 2016-05-05 | 2016-10-12 | 江南大学 | 一种基于局部敏感直方图的时空上下文跟踪方法 |
| CN109118474A (zh) * | 2018-07-07 | 2019-01-01 | 福州大学 | 一种多视点稀疏测量的图像绘制方法 |
| CN109784191A (zh) * | 2018-12-20 | 2019-05-21 | 华南理工大学 | 一种基于商图像的多任务人脸光照编辑方法 |
| CN110461270A (zh) * | 2017-02-14 | 2019-11-15 | 阿特雷塞斯有限责任公司 | 具有压缩和/或cmos开窗的高速光学跟踪 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070116356A1 (en) * | 2005-10-27 | 2007-05-24 | Nec Laboratories America | Video foreground segmentation method |
| CN102663773A (zh) * | 2012-03-26 | 2012-09-12 | 上海交通大学 | 视频目标的双核式自适应融合跟踪方法 |
| CN103426183A (zh) * | 2013-07-10 | 2013-12-04 | 上海理工大学 | 运动物体跟踪方法以及装置 |
| CN103839066A (zh) * | 2014-03-13 | 2014-06-04 | 中国科学院光电技术研究所 | 一种源于生物视觉的特征提取方法 |
-
2015
- 2015-03-30 CN CN201510146249.8A patent/CN104715494A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070116356A1 (en) * | 2005-10-27 | 2007-05-24 | Nec Laboratories America | Video foreground segmentation method |
| CN102663773A (zh) * | 2012-03-26 | 2012-09-12 | 上海交通大学 | 视频目标的双核式自适应融合跟踪方法 |
| CN103426183A (zh) * | 2013-07-10 | 2013-12-04 | 上海理工大学 | 运动物体跟踪方法以及装置 |
| CN103839066A (zh) * | 2014-03-13 | 2014-06-04 | 中国科学院光电技术研究所 | 一种源于生物视觉的特征提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 钱凯，陈秀宏，孙百伟: "基于局部敏感直方图的压缩跟踪", 《计算机工程与应用》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106023246A (zh) * | 2016-05-05 | 2016-10-12 | 江南大学 | 一种基于局部敏感直方图的时空上下文跟踪方法 |
| CN110461270A (zh) * | 2017-02-14 | 2019-11-15 | 阿特雷塞斯有限责任公司 | 具有压缩和/或cmos开窗的高速光学跟踪 |
| CN109118474A (zh) * | 2018-07-07 | 2019-01-01 | 福州大学 | 一种多视点稀疏测量的图像绘制方法 |
| CN109118474B (zh) * | 2018-07-07 | 2021-11-02 | 福州大学 | 一种多视点稀疏测量的图像绘制方法 |
| CN109784191A (zh) * | 2018-12-20 | 2019-05-21 | 华南理工大学 | 一种基于商图像的多任务人脸光照编辑方法 |
| CN109784191B (zh) * | 2018-12-20 | 2021-01-01 | 华南理工大学 | 一种基于商图像的多任务人脸光照编辑方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108446601B (zh) | 一种基于动静特征融合的人脸识别方法 | |
| Jhuang et al. | Towards understanding action recognition | |
| Ma et al. | A region histogram of oriented optical flow (RHOOF) feature for apex frame spotting in micro-expression | |
| Avgerinakis et al. | Recognition of activities of daily living for smart home environments | |
| CN105335726B (zh) | 人脸识别置信度获取方法和系统 | |
| CN104715494A (zh) | 基于局部敏感直方图的视频目标压缩跟踪方法 | |
| CN102592115B (zh) | 一种人手定位方法及系统 | |
| JP2016015045A (ja) | 画像認識装置、画像認識方法及びプログラム | |
| Lee et al. | Time-sliced averaged motion history image for gait recognition | |
| Wang et al. | Action recognition based on object tracking and dense trajectories | |
| Ziwei et al. | Face occlusion detection based on ssd algorithm | |
| Edoardo Maresca et al. | The Matrioska tracking algorithm on LTDT2014 dataset | |
| Zhou et al. | A study of relative motion point trajectories for action recognition | |
| Saez et al. | Reliable real time scene change detection in MPEG compressed video | |
| CN104952082A (zh) | 一种类三步搜索策略的快速压缩跟踪方法 | |
| Liew et al. | Generalized BRIEF: A novel fast feature extraction method for robust hand detection | |
| Tang et al. | Online action recognition based on incremental learning of weighted covariance descriptors | |
| Chau et al. | Automatic parameter adaptation for multi-object tracking | |
| Yan et al. | Foreground Extraction and Motion Recognition Technology for Intelligent Video Surveillance | |
| Yang et al. | Robust object tracking via online multiple instance metric learning | |
| Ramya et al. | Performance comparison of content based and ISODATA clustering based on news video anchorperson detection | |
| Sharma et al. | Multi-object tracking using TLD framework | |
| Lu et al. | Scaling and occlusion robust athlete tracking in sports videos | |
| Zhang et al. | ICFVR 2017: 3rd international competition on finger vein recognition | |
| Chen et al. | An Enhanced Model-based Tracking Algorithm with Dynamic Adjustment of Learning Parameters according to Online Performance Evaluation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150617 |
|
| WD01 | Invention patent application deemed withdrawn after publication |