融合超像素与动态图匹配的视频跟踪 - 西北工业大学学报导航页.PDF

２０１７年２月 西 北 工 业 大 学 学 报 Ｆｅｂ． ２０１７ 第３５卷第 １期 Ｊｏｕｒｎａｌ ｏｆ Ｎｏｒｔｈｗｅｓｔｅｒｎ Ｐｏｌｙｔｅｃｈｎｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ Ｖｏｌ．３５ Ｎｏ．１ 融合超像素与动态图匹配的视频跟踪 １，２ １ ２ 张君昌 ，周艳玲 ，万锦锦 （１．西北工业大学 电子信息学院，陕西 西安　 ７１０１２９；２．光电控制技术重点实验室，河南 洛阳　 ４７１０００） 摘　 要：针对视频跟踪过程中目标的形变、遮挡、旋转和背景干扰问题，提出一种融合超像素与动态图 匹配的视频跟踪方法。 首先，采用融合局部熵特征的简单线性迭代聚类（ｓｉｍｐｌｅ ｌｉｎｅａｒ ｉｔｅｒａｔｉｖｅ ｃｌｕｓｔｅ⁃ ｒｉｎｇ，ＳＬＩＣ）方法经聚类分析生成超像素集合，使生成的超像素边缘贴合度更好。 其次，采用图像分割 （ｇｒａｐｈ ｃｕｔｓ）方法生成候选目标超像素集合，并融合在线支持向量机学习算法（ｏｎｌｉｎｅ ＳＶＭ ｌｅａｒｎｉｎｇ ａｌ⁃ ｇｏｒｉｔｈｍ，ＬＡＳＶＭ）分类预测结果，使前景与背景分离的准确度更高。 然后，充分利用目标的几何结构 信息构建基于图模型的相似度矩阵，解决目标的形变和遮挡问题。 理论分析与仿真结果表明：相比 现有其他视频跟踪方法，新方法对跟踪过程中的遮挡和形变情况具有较强的鲁棒性，对一定程度的背 景干扰和旋转问题跟踪效果良好。 关　 键　 词：目标追踪；信息融合；简单线性迭代聚类；超像素；图像分割 中图分类号：ＴＰ３９１　 　 　 文献标志码：Ａ　 　 　 文章编号：１０００⁃２７５８（２０１７）０１⁃０１３３⁃０５ 　 　 随着计算机网络、数字通信和微电子技术的迅 在不降低实时性的条件下解决严重遮挡问题；为了 速发展，视频跟踪技术已经成为计算机视觉领域的 ［２］ 减小相似背景对目标的干扰，Ｌｉ Ｎｉｎｇ等人 引入目 重要研究方向之一。 视频跟踪方法是围绕着如何解 标与环境的比例系数，以确保目标模型的准确更新。 决视频跟踪过程中所遇到的问题而发展起来的。 视 而且，在某些基于匹配的方法中可以根据跟踪情况 频跟踪过程中常见的问题有形变、遮挡、旋转、背景 实现核窗口宽度的自动调整。 杂波等。 围绕这些问题，专家学者们提出一系列的 然而，尽管有不少学者研究了目标跟踪过程中 视频跟踪方法。 有的方法是根据目标与背景的差异 的遮挡或形变问题，但很少有人会同时考虑遮挡和 性，通过二元分类解决视频目标跟踪问题；有的方法 形变问题。 针对于此，本文提出了一种基于超像素 是根据目标的状态预测目标位置。 这２类方法虽可 与动态图匹配的视频跟踪方法，以超像素作为系统 以跟踪到目标，但是所需的数据量大，实时性不理 处理的基本单元，并结合图谱匹配进行视频目标跟 想。 因此，基于模板匹配的跟踪方法因其原理简单、 踪。 由于在构建图模型时融合了结构信息，因而实 易于实现、实时性好，逐渐成为根据视频目标跟踪技 现了对目标的有效跟踪，并在处理目标形变、遮挡旋 术的主流方法。 转和背景干扰等问题时具有较高的鲁棒性。 基于模板匹配的跟踪方法主要是通过一定的准 则来寻找目标与候选模型之间的相似度来确定目标 １　 基于超像素的视频目标跟踪系统 的最终位置。 最经典的基于模板匹配的方法就是均 值飘移算法，虽然经典的均值漂移方法运行速度快， 本文采用基于模板匹配的方法，视频跟踪过程 在简单场景中的