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
- tracking
- target
- video
- histogram
- features
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000005286 illumination Methods 0.000 claims abstract description 12
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
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 |
---|---|---|
CN105354548B (zh) | 一种基于ImageNet检索的监控视频行人重识别方法 | |
JP6482195B2 (ja) | 画像認識装置、画像認識方法及びプログラム | |
CN104298964B (zh) | 一种人体行为动作快速识别方法及装置 | |
Li et al. | Robust object tracking based on adaptive templates matching via the fusion of multiple features | |
Ming et al. | Activity recognition from RGB-D camera with 3D local spatio-temporal features | |
CN107392968B (zh) | 融合颜色对比图和颜色空间分布图的图像显著性检测方法 | |
CN103871077B (zh) | 一种道路车辆监控视频中的关键帧提取方法 | |
CN102945375A (zh) | 多约束下的多视角监控视频行为检测和识别方法 | |
CN104715494A (zh) | 基于局部敏感直方图的视频目标压缩跟踪方法 | |
CN104463242B (zh) | 基于特征变换和词典学习的多特征动作识别方法 | |
CN106709419B (zh) | 一种基于显著轨迹空间信息的视频人体行为识别方法 | |
CN104899559B (zh) | 一种基于视频监控的快速行人检测方法 | |
Amiri et al. | Non-intrusive human activity monitoring in a smart home environment | |
CN107292908A (zh) | 基于klt特征点跟踪算法的行人跟踪方法 | |
Boufama et al. | Trajectory-based human activity recognition from videos | |
CN103500456B (zh) | 一种基于动态贝叶斯模型网络的对象跟踪方法和设备 | |
CN107169996A (zh) | 一种视频中动态人脸识别方法 | |
Zhong et al. | Online learning 3D context for robust visual tracking | |
CN102156879A (zh) | 基于加权陆地运动距离的人体目标匹配方法 | |
CN106023246A (zh) | 一种基于局部敏感直方图的时空上下文跟踪方法 | |
CN107273873B (zh) | 基于不规则视频序列的行人重识别方法及系统 | |
CN104952082A (zh) | 一种类三步搜索策略的快速压缩跟踪方法 | |
CN105184245B (zh) | 一种多特征融合的人群密度估计方法 | |
Li et al. | GMM-based efficient foreground detection with adaptive region update | |
Agrafiotis et al. | HDR Imaging for Enchancing People Detection and Tracking in Indoor Environments. |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150617 |