陈宏宇 1,2,3,4,5罗海波 1,2,4,5惠斌 1,2,4,5常铮 1,2,4,5
1 中国科学院沈阳自动化研究所，辽宁 沈阳 110016
2 中国科学院机器人与智能制造创新研究院，辽宁 沈阳 110169
3 中国科学院大学，北京 100049
4 中国科学院光电信息处理重点实验室，辽宁 沈阳 110016
5 辽宁省图像处理与视觉计算重点实验室，辽宁 沈阳 110016
基于可变形模型的目标跟踪算法因其能够处理目标部分遮挡及形变问题成为目标跟踪领域的研究热点。当目标发生形变或部分遮挡时，可变形模型跟踪器可利用未被遮挡的子块继续完成跟踪。现有基于子块的目标跟踪算法均为手动选取子块的个数和尺寸，但在实际应用中，很难为子块的选取提供人机交互的机会，且手动选取子块易受主观因素影响。针对上述情况，提出了一种采用多特征融合的子块自动提取方法，该方法首先采用基于人眼视觉注意机制对目标模板的显著性区域进行度量；其次，利用边缘方向离散度对目标的纹理丰富度进行度量；然后，融合上述特征获得联合适配性置信度，并根据目标的面积和宽高比自适应确定子块的个数和尺寸；最后，根据联合适配性置信度提取目标子块。实验结果表明，与现有手动选取子块的可变形模型目标跟踪方法相比，采用所提方法自动提取的子块可获得更高的跟踪精度。
计算机视觉 目标跟踪 可变形模型 多特征融合 子块自动选取 computer vision target tracking deformable parts model multi-feature fusion automatic parts selection 红外与激光工程
2021, 50(8): 20200407
1 中国科学院沈阳自动化研究所, 辽宁 沈阳 110016
2 中国科学院光电信息处理实验室, 辽宁沈阳 110016
3 中国科学院大学, 北京 100049
4 空军驻湖北地区军事代表室, 湖北 武汉 430000
5 空军装备部装备采购局, 北京 100843
近年来目标跟踪技术的研究已经有了很大的进展, 但目标的遮挡和形变仍然是目标跟踪算法面临的重大挑战。针对这些问题提出了一种基于可变形模型的目标跟踪算法。首先, 利用可变形模型对跟踪目标进行表达, 该模型将目标分为若干子块, 目标的特征由局部子块特征和全局特征共同构成。将目标的特征和子块之间的空间关系结合起来, 给出了对目标的一个统一的相似度度量函数。然后, 在线训练一个结构化输出支持向量机作为分类器, 该分类器的输出是可变形模型中目标的结构化描述。利用该分类器可以在视频及图像序列中准确地检测到目标, 完成跟踪。通过实验比较, 该算法的跟踪性能优于其他主流跟踪算法, 尤其在目标发生遮挡和形变的时候仍能准确跟踪。
可变形模型 结构化分类器 在线学习 目标跟踪 deformable parts model structured output classifier online learning object tracking 红外与激光工程
2017, 46(9): 0928001
长春理工大学 光电工程学院, 吉林 长春 130022
使用单幅图像进行特定目标的检测是机器视觉领域的重要任务之一。利用机器学习的方法, 使用LSVM分类器进行人形目标的检测。该方法提取图像的HOG(梯度方向直方图)特征和其对应的可变形部件来描述目标的外形特征, 能够较好地解决目标由于运动而产生外形变化的问题。对常见公共区域场景进行数据采集并随机抽取了200张图像, 使用所述方法对其中共1 100个人形目标进行检测, 正确率识别率为78.3%。结果表明该方法具有一定的可行性和稳定性, 能够较好检测出单幅图像中的人形目标并加以标注。但对于某种程度有所遮蔽的人形目标则会产生漏检的现象。
可变形部件模型 梯度方向直方图 隐支持向量机 目标检测 deformable parts model histogram of oriented gradients latent SVM object detection
