模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2017, Vol. 30 Issue (8): 728-739    DOI: 10.16451/j.cnki.issn1003-6059.201708007
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
融合显著度时空上下文的超像素跟踪算法*
郭春梅 , 陈恳 , 李萌, 李斐
宁波大学 信息科学与工程学院 宁波 315000
Super Pixel Tracking Algorithm via Fusing Saliency Detection into Spatio-Temporal Context
GUO Chunmei, CHEN Ken, LI Meng, LI Fei
Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo 315000

全文: PDF (6305 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为了更有效地利用目标的特征信息,提高目标的跟踪精度和鲁棒性,提出融合显著度时空上下文的超像素跟踪算法.首先对目标上下文区域进行超像素分割,根据运动信息计算目标上下文的运动相关性及特征协方差信息,得到相关性显著度.然后基于贝叶斯框架,在频域构建融合显著度信息的时空上下文模型.再利用联合颜色和纹理的直方图信息计算巴氏系数,更新时空上下文模型.此外,引入尺度金字塔模型,准确估计目标尺度.最后加入低通滤波自适应运动预测模块,在线更新动态模型样本集,使用岭回归方法实现低通滤波的参数在线更新.在公共数据上的实验表明,文中算法在光照变化、背景复杂、目标旋转、机动性高、分辨率低等情况下具有较好的跟踪效果.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
郭春梅
陈恳
李萌
李斐
关键词 目标跟踪超像素显著度岭回归时空上下文    
Abstract:To achieve more efficient utilization of image feature information and improve the tracking accuracy as well as robustness of the target, an improved super pixel tracking algorithm via fusing salient region detection into spatio-temporal context is proposed. Firstly, super pixel segmentation is conducted in the context region of the target, then the motion relevance of target context and the regional covariance information are utilized to calculate the correlation saliency of the image super pixels. Based on Bayesian framework, the model fusing saliency detection into spatio-temporal context is built in the frequency domain. Next, the color and texture histograms of current frame and reference template are employed to calculate the Bhattacharyya coefficient and update the spatial and temporal context model. The scale pyramid model is introduced to estimate the target scale. Finally, the adaptive motion prediction module is incorporated by updating online dynamic model sample set and using ridge regression method to determine the parameters of a low pass filter. Experimental results on public database indicate the superiority of the proposed algorithm over other algorithms in illumination change, complex background, object rotation, high mobility, low resolution.
Key wordsTarget Tracking    Super Pixel    Saliency Degree    Ridge Regression    Spatio-Temporal Context   
    
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.60972063)、宁波市自然科学基金项目(No.2014A610065)、宁波大学科研基金(理)/学科项目(No.XKXL1308)资助
作者简介: 郭春梅,女,1990年生,硕士研究生,主要研究方向为图像与视频处理.E-mail:guochunmei@foxmail.com.
陈 恳(通讯作者),男,1962年生,博士研究生,副教授,主要研究方向为视频与图像处理.E-mail:chenken@nbu.edu.cn.
李 萌,女,1992年生,硕士研究生,主要研究方向为图像与视频处理.E-mail:1435484
922@qq.com.
李 斐,女,1992年生,硕士研究生,主要研究方向为图像与视频处理.E-mail:1654555
359@qq.com.
引用本文:   
郭春梅 , 陈恳 , 李萌, 李斐. 融合显著度时空上下文的超像素跟踪算法*[J]. 模式识别与人工智能, 2017, 30(8): 728-739. GUO Chunmei, CHEN Ken, LI Meng, LI Fei. Super Pixel Tracking Algorithm via Fusing Saliency Detection into Spatio-Temporal Context. , 2017, 30(8): 728-739.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201708007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2017/V30/I8/728
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn