交通场景中的实时多目标自动跟踪算法*
2015-12-16隋修武余保付
电子技术应用 2015年10期
隋修武,田 松,余保付,葛 辉
(天津工业大学 机械工程学院 天津市现代机电装备技术重点实验室,天津 300387)
交通场景中的实时多目标自动跟踪算法*
隋修武,田松,余保付,葛辉
(天津工业大学 机械工程学院 天津市现代机电装备技术重点实验室,天津 300387)
针对交通场景中多目标跟踪过程中实时性和鲁棒性的问题,提出一种基于混合高斯和稀疏光流的多目标自动跟踪算法。该算法利用自适应背景差分法提取前景目标,用特征点对目标进行表达,通过稀疏光流算法建立起前后帧间的数据关联,并通过模版更新机制来降低可能的较大形变带来的干扰。实验结果表明,该算法适用于多数交通场景,实时性较好,对光照和噪声都具有很强的鲁棒性,可以实现对多目标的准确而又稳定的跟踪。
多目标跟踪;混合高斯;稀疏光流;模版更新
0 引言
随着城市化进程的加快,交通状况日益恶化,基于视频的检测和跟踪逐渐成为受到关注的研究领域。目前目标跟踪技术的难点有数据的关联问题、颜色的相似性、背景的稳定性和复杂性、目标尺寸的变化和实时性等[1-2]。目标跟踪常用的方法有:基于颜色特征的 Meanshift和 Camshift[3-4],基于贝叶斯估计的卡尔曼滤波[5],基于蒙特卡洛方法的粒子滤波[6-7],还有基于光流计算的光流跟踪[8-9]。然而在跟踪的过程中,如果目标与背景颜色相近或目标之间颜色相近,则基于颜色特征的跟踪方法会失效;实际场景中目标的运动比较复杂,而卡尔曼滤波器要求目标具有线性高斯运动的特性,因此跟踪效果不理想;……
登录APP查看全文
