本文選題：局部最大小波系數(shù) + 可靠特征點(diǎn)分配　； 參考：《Frontiers of Information Technology & Electronic Engineering》2017年04期

【摘要】：視覺跟蹤是近年來計(jì)算視覺最活躍的研究課題之一,已被廣泛應(yīng)用于許多視覺領(lǐng)域。然而,視覺跟蹤技術(shù)仍然存在挑戰(zhàn),如目標(biāo)發(fā)生光照變化、遮擋、外觀形變等。為克服這些技術(shù)困難,本文提出基于小波變換的可靠特征點(diǎn)分配(Reliable point assignment,RPA)算法。通過搜索局部最大小波系數(shù)(Local maximal wavelet coefficients,LMWC)的位置,獲得可靠特征點(diǎn)。在圖像中,具有局部最大小波系數(shù)之處,表明該處圖像信號發(fā)生了較大變化,因此,可靠特征點(diǎn)對圖像噪聲、光照變化和外觀形變等情況都具有魯棒性。此外,在檢測中應(yīng)用卡爾曼濾波器,以提高處理速度并減少誤檢率。最后,將所提出的RPA與卡爾曼濾波器集成到跟蹤 學(xué)習(xí) 檢測(Tracking learning detection,TLD)算法框架中,提高了跟蹤精度,且降低了誤檢率。實(shí)驗(yàn)結(jié)果表明,新框架在精度、f值(f-measure)和平均重疊率(%)等方面均優(yōu)于TLD和核化相關(guān)濾波器(KCF)這兩個跟蹤算法。
[Abstract]:Visual tracking is one of the most active research topics in computational vision in recent years and has been widely used in many fields of vision. However, there are still challenges in visual tracking, such as illumination change, occlusion, appearance deformation and so on. In order to overcome these technical difficulties, a reliable point assignment algorithm based on wavelet transform is proposed. The reliable feature points are obtained by searching the location of Local maximal wavelet coefficients (LMWCs). In the image, where the local maximum wavelet coefficients exist, it is shown that the image signal has changed greatly, so the reliable feature points are robust to the image noise, illumination change and appearance deformation. In addition, Kalman filter is used in detection to improve processing speed and reduce false detection rate. Finally, the proposed RPA and Kalman filter are integrated into the tracking tracking learning detection algorithm framework, which improves the tracking accuracy and reduces the false detection rate. The experimental results show that the new framework is superior to the two tracking algorithms, TLD and Kernel correlation filter, in terms of accuracy and average overlap ratio.
【作者單位】： School
【基金】：Project supported by the National Natural Science Foundation of China(Nos.61671213 and 61302058) the Guangzhou Key Lab of Body Data Science(No.201605030011)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 賈熹濱;石勤;尹寶才;;由粗到細(xì)的漸進(jìn)式特征點(diǎn)定位算法[J];北京工業(yè)大學(xué)學(xué)報(bào);2006年05期

2 鄭林;劉泉;王林濤;;一種基于特征點(diǎn)的跟蹤算法[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2006年03期

3 江詩鋒;何振峰;;基于特征點(diǎn)的行車數(shù)據(jù)序列對齊[J];福州大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

4 周全峗;史澤林;;輻射模糊圖像的特征點(diǎn)穩(wěn)定性分析[J];光電工程;2013年06期

5 魏立梅,張永瑞,謝維信,程相君;人臉識別中基準(zhǔn)點(diǎn)的選取與特征點(diǎn)定位[J];西安電子科技大學(xué)學(xué)報(bào);1998年01期

6 許承慧;劉桂華;梁峰;;非特征點(diǎn)雙目測距技術(shù)研究[J];微型機(jī)與應(yīng)用;2013年22期

7 潘翔;章國棟;陳啟華;;三維可變形物體的特征點(diǎn)層次提取[J];計(jì)算機(jī)科學(xué);2014年04期

8 陶剛,盧昀,李吉桂;細(xì)化指紋圖中偽特征點(diǎn)的一體化去除算法[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2002年10期

9 仲啟媛,譚立龍;一種確定運(yùn)動目標(biāo)特征點(diǎn)的算法[J];計(jì)算機(jī)工程;2003年10期

10 胡迎春,張?jiān)龇?梁數(shù);人臉圖像嘴巴特征點(diǎn)自動提取系統(tǒng)[J];廣西工學(xué)院學(xué)報(bào);2003年02期

相關(guān)會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點(diǎn)定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點(diǎn)匹配算法的研究與改進(jìn)[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點(diǎn)的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實(shí)用的特征點(diǎn)匹配算法[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

5 許競;姜波;;攝像機(jī)運(yùn)動下特征點(diǎn)追蹤方法研究[A];2011下一代自動測試系統(tǒng)學(xué)術(shù)研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點(diǎn)和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

7 杜鵬飛;彭代強(qiáng);林幼權(quán);;基于二乘向量機(jī)的特征點(diǎn)配準(zhǔn)算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點(diǎn)跟蹤的圖象拼接[A];中國體視學(xué)學(xué)會圖像分析專業(yè)、中國體視學(xué)學(xué)會仿真與虛擬現(xiàn)實(shí)專業(yè)、中國航空學(xué)會信號與信息處理專業(yè)第一屆聯(lián)合學(xué)術(shù)會議論文集[C];2000年

9 楊向林;嚴(yán)洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點(diǎn)綜合檢測算法[A];第八屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點(diǎn)搜索實(shí)現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅱ[C];2011年

相關(guān)重要報(bào)紙文章 前1條

1 本報(bào)記者 王宇;芯技術(shù)點(diǎn)亮未來[N];電腦報(bào);2010年

相關(guān)博士學(xué)位論文 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應(yīng)變測量方法[D];上海交通大學(xué);2014年

2 劉通;面向心拍識別的心電信號的高層特征研究[D];吉林大學(xué);2016年

3 廖斌;基于特征點(diǎn)的圖像配準(zhǔn)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 楊占龍;基于特征點(diǎn)的圖像配準(zhǔn)與拼接技術(shù)研究[D];西安電子科技大學(xué);2008年

5 楊利敏;圖像特征點(diǎn)定位算法研究及其應(yīng)用[D];上海交通大學(xué);2008年

6 李旭東;基于特征點(diǎn)的增強(qiáng)現(xiàn)實(shí)三維注冊算法研究[D];天津大學(xué);2009年

7 魯統(tǒng)偉;前視目標(biāo)圖像匹配定位技術(shù)研究[D];華中科技大學(xué);2008年

8 戴激光;漸進(jìn)式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學(xué);2013年

9 宋琳;無人機(jī)飛行途中視覺導(dǎo)航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 曾寶瑩;基于圖像識別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學(xué);2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點(diǎn)匹配算法研究[D];西安建筑科技大學(xué);2015年

3 馮翔;基于人臉對齊和多特征融合的人臉識別方法研究[D];南京理工大學(xué);2015年

4 姜小會;基于特征點(diǎn)的圖像拼接技術(shù)研究[D];山東建筑大學(xué);2015年

5 吳昊;基礎(chǔ)矩陣估計(jì)方法研究[D];蘭州大學(xué);2015年

6 陳偉;基于唇形特征的身份識別算法的設(shè)計(jì)[D];蘭州大學(xué);2015年

7 秦清欣;GPS輔助攝影測量的邊坡監(jiān)測技術(shù)研究[D];南京理工大學(xué);2015年

8 宋偉;遠(yuǎn)程火光瞄準(zhǔn)與探測系統(tǒng)設(shè)計(jì)[D];西安工業(yè)大學(xué);2015年

9 劉智;塑料面膜印刷質(zhì)量的視覺檢測方法研究[D];沈陽理工大學(xué);2015年

10 任筱強(qiáng);行星及行星衛(wèi)星著陸探測自主導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2015年

，

本文編號：1864327