1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学,北京 100049
为了实现对十字靶标的自动检测与跟踪, 建立了十字靶标检测跟踪模型。针对目标检测中运算量大、实时性差、目标跟踪需要人工标定视频初始帧的问题, 提出了一种基于可变形部件模型(DPM)和核相关滤波器(KCF)的十字靶标检测跟踪算法。首先, 提取十字样本集的梯度方向直方图(HOG)特征, 采用Latent SVM分类器训练特征集, 生成十字靶标物体类的DPM模型。然后, 通过滑动窗口搜索匹配方法遍历待检测图片。最后, 将检测到的结果作为跟踪算法的起始跟踪帧, 应用KCF算法快速跟踪目标。当跟踪目标丢失时, 暂时停止跟踪, 利用DPM模型重新检测定位目标再进行跟踪。实验结果表明: 采用DPM模型检测的平均帧率为1 fps, 结合DPM和KCF算法, 实时检测跟踪的平均帧率为40 fps。采用基于可变形部件模型(DPM)和核相关滤波器(KCF)的十字靶标检测跟踪算法, 实现了目标的自动检测与实时跟踪, 且检测速度明显高于传统算法, 并且在目标漂移或丢失后自动重新定位并继续跟踪, 完成十字靶标的长时间跟踪。
可变形部件模型 核相关滤波器 梯度方向直方图 目标检测 deformable part model kernelized correlation filter histogram of oriented gradient target detection
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