亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于壓縮感知的實(shí)時在線目標(biāo)追蹤

        2018-05-14 13:47:10陳一根黃繼風(fēng)
        關(guān)鍵詞:壓縮感知計算機(jī)視覺

        陳一根 黃繼風(fēng)

        摘 要: 在正負(fù)樣本區(qū)域隨機(jī)抽取了不同尺度下圖像的局部二值模式(LBP)特征,將高維的特征信息投射到低秩的壓縮域,并據(jù)此建立了表觀模型.使用一個隨機(jī)稀疏測量矩陣來壓縮前景和背景目標(biāo).將追蹤問題轉(zhuǎn)化成為了一個使用樸素貝葉斯分類器的二元分類問題.所提方法可以較快速、實(shí)時地在線追蹤目標(biāo),同時解決了目標(biāo)尺度變化、遮擋問題.

        關(guān)鍵詞: 計算機(jī)視覺; 目標(biāo)追蹤; 壓縮感知; 局部二值模式(LBP)

        中圖分類號: TP 39 文獻(xiàn)標(biāo)志碼: A 文章編號: 1000-5137(2018)04-0483-05

        Abstract: We randomly extracted the feature of local binary patterns(LBP) with different sizes within both positive samples and negative samples.The high-dimensional feature information was projected onto the low rank compression domain based on which the characterization model was established.Then,it compressed samples of foreground and the background targets by using the same random sparse measurement matrix.Finally,the tracking task was formulated as a binary classification via a Naive Bayes classifier.The experiment showed that the proposed method could track the target quickly and constantly.Furthermore,it could also solve the problem of multi-scale change and occlusion issue at the same time.

        Key words: computer vision; target tracking; compressed sensing; local binary pattern(LBP)

        視頻目標(biāo)追蹤,作為計算機(jī)視覺領(lǐng)域一項基礎(chǔ)的重要技術(shù),有著非常廣泛的應(yīng)用[1],是其他后續(xù)視覺處理的基礎(chǔ).目前國內(nèi)外研究人員通過將各種在線學(xué)習(xí)模型應(yīng)用到目標(biāo)模型的建立和更新中,以適應(yīng)目標(biāo)的尺度和環(huán)境變化,該方法被稱為基于檢測的目標(biāo)追蹤算法.依據(jù)其表觀模型,追蹤算法通常被分為兩大類:可生性的算法和區(qū)別性的算法.可生性的追蹤算法通常用學(xué)習(xí)模型來表示目標(biāo),然后用其遍歷圖像尋找最小殘差區(qū)域.Zhang等[2]提出一種簡單有效的基于壓縮域的追蹤方法對目標(biāo)進(jìn)行追蹤.Hare 等[3]提出Struck算法,采用在線結(jié)構(gòu)輸出的支持向量機(jī)學(xué)習(xí)方法來解決跟蹤問題.Zhong等[4]提出一種將稀疏的原始模板與生成的表觀模型相互協(xié)作的模型作為目標(biāo)追蹤算法,從而使跟蹤器有效地處理外觀變化和減少漂移問題.Xu等[5] 提出一種基于結(jié)構(gòu)局部稀疏模型的簡單且穩(wěn)健的跟蹤方法,采用一個結(jié)合增量子空間學(xué)習(xí)和稀疏表示的模板更新策略,該策略適用于外觀變化和漂移可能性小的情況.Henriques等[6]提出利用檢測內(nèi)核追蹤的循環(huán)結(jié)構(gòu)對目標(biāo)進(jìn)行追蹤,該算法設(shè)計了一個有效的循環(huán)矩陣將樣本特征投射到傅里葉域進(jìn)行分析,使內(nèi)核機(jī)對偶空間的分類器與線性分類器具有相同的運(yùn)行速度.Zhang等[7]提出一種建立在粒子濾波追蹤框架下的低秩稀疏追蹤器,該方法根據(jù)時間更新聯(lián)合低秩稀疏矩陣.Ross等[8]提出一種增量學(xué)習(xí)的視頻追蹤算法,逐步提高目標(biāo)子空間的表觀模型.Zhang等[9]構(gòu)造一個在線的兩層卷積神經(jīng)網(wǎng)絡(luò),并將其用于目標(biāo)的追蹤,該神經(jīng)網(wǎng)絡(luò)能夠有效地適應(yīng)目標(biāo)外觀的變化.

        本文作者基于局部二值模式 (LBP) 提取樣本特征,然后通過隨機(jī)壓縮矩陣建立表觀模型.采用一個滿足限制等距特性的稀疏測量矩陣,將圖像特征投影到一個低維的壓縮子空間.測試實(shí)驗(yàn)表明,所提方法在較快速、實(shí)時地完成在線追蹤的同時,解決了目標(biāo)尺度變化、遮擋等問題.

        2.3 追蹤算法流程

        本文作者提出了一種基于LBP(局部二值模式) 提取樣本特征,然后通過隨機(jī)壓縮矩陣來建立表觀模型的高效追蹤算法.算法流程如下:

        1) 采用手動選取或者初始化標(biāo)定方式初始化追蹤目標(biāo);

        2) 采集目標(biāo)樣本和背景樣本;

        3) 計算圖像區(qū)域的LBP積分直方圖,通過積分直方圖.計算目標(biāo)樣本和背景樣本的特征;

        4) 讀取新的視頻圖像,在上一幀目標(biāo)位置附近區(qū)域采集樣本,同時計算所有正負(fù)樣本的每一樣本特征,代入(5)式中計算H(v),選取最大的候選區(qū)域作為新一幀的目標(biāo)區(qū)域;

        5) 在目標(biāo)的附近采集正樣本,在遠(yuǎn)離目標(biāo)的區(qū)域采集負(fù)樣本,分別計算正負(fù)樣本特征,按照(6),(7)式更新分類器參數(shù);

        6) 輸出當(dāng)前追蹤位置和分類器參數(shù).

        循環(huán)迭代到(4),繼續(xù)處理下一幀.

        算法流程圖如圖1所示.

        3 實(shí)驗(yàn)結(jié)果及其分析

        實(shí)驗(yàn)采用標(biāo)準(zhǔn)測試集[10]中有代表性的視頻序列(FaceOcc1、David及Boy)進(jìn)行視頻追蹤實(shí)驗(yàn).采用中心位置偏移誤差衡量本算法.

        FaceOcc1視頻序列存在嚴(yán)重遮擋的情況,要求追蹤算法能在女孩用書遮擋的過程中,正確追蹤女孩臉部.實(shí)驗(yàn)證明,本算法能較好地提取追蹤區(qū)域的紋理特征,追蹤結(jié)果如圖2所示.

        David 視頻序列存在復(fù)雜的光照、目標(biāo)尺度變化和背景雜波的情況.追蹤結(jié)果如圖3所示,第2幀和第459幀之間,目標(biāo)有明晰的尺度變化,亮度也逐漸由暗到明,背景變化較大,可以看出追蹤的效果良好.

        Boy視頻序列中存在目標(biāo)快速移動和運(yùn)動模糊的情況.本算法采用LBP提取正負(fù)樣本的局部特征,同時實(shí)時壓縮特征信息進(jìn)行準(zhǔn)確有效的追蹤,實(shí)驗(yàn)結(jié)果如圖4所示.

        將處理視頻流的幀速率設(shè)為35 fps,每間隔300 ms取1幀圖像,有效且實(shí)時地追蹤目標(biāo),實(shí)驗(yàn)結(jié)果如表1所示.

        4 結(jié) 語

        提出了一個簡單快速且穩(wěn)健性較好的追蹤算法,基于LBP提取樣本特征,采用一種十分稀疏的隨機(jī)測量矩陣壓縮正負(fù)樣本特征,在線追蹤過程采用樸素貝葉斯二元分類處理.對測試視頻數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,結(jié)果表明本算法在準(zhǔn)確度、穩(wěn)健性和速度等方面性能較優(yōu)越.

        參考文獻(xiàn):

        [1] Yilmaz A,Javed O,Shah M.Object tracking:A survey [J].ACM Computing Surveys,2006,38(4):13.

        [2] Zhang K,Zhang L,Yang M H.Fast compressive tracking [J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2014,36(10):2002-2015.

        [3] Hare S,Golodetz S,Saffari A,et al.Struck:Structured output tracking with kernels [C].2011 IEEE International Conference on Computer Vision.Barcelona:IEEE,2011.

        [4] Zhong W,Lu H,Yang M H.Robust object tracking via sparsity-based collaborative model [C].2012 IEEE Conference on Computer Vision and Pattern Recognition.Providence:IEEE,2012.

        [5] Xu J.Visual tracking via adaptive structural local sparse appearance model [C].2012 IEEE Conference on Computer Vision and Pattern Recognition,Washington,D.C.:ACM,2012.

        [6] Henriques J F,Caseiro R,Martins P,et al.Exploiting the circulant structure of tracking-by-detection with kernels [C].12th European conference on Computer Vision.Florence:ACM,2012.

        [7] Zhang T,Liu S,Ahuja N,et al.Robust visual tracking via consistent low-rank sparse learning [J].International Journal of Computer Vision,2015,111(2):171-190.

        [8] Ross D A,Lim J,Lin R S,et al.Incremental learning for robust visual tracking [J].International Journal of Computer Vision,2008,77(1-3):125-141.

        [9] Zhang K,Liu Q,Wu Y,et al.Robust visual tracking via convolutional networks without training [J].IEEE Signal Processing Society,2016,25(4):1779-1792.

        [10] Wu Y,Lim J,Yang M H.Online object tracking:A benchmark [C].Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition.Portland:IEEE,2013.

        (責(zé)任編輯:包震宇)

        猜你喜歡
        壓縮感知計算機(jī)視覺
        基于深度卷積神經(jīng)網(wǎng)絡(luò)的物體識別算法
        雙目攝像頭在識別物體大小方面的應(yīng)用
        機(jī)器視覺技術(shù)發(fā)展及其工業(yè)應(yīng)用
        危險氣體罐車液位計算機(jī)視覺監(jiān)控識別報警系統(tǒng)設(shè)計
        基于匹配追蹤算法的乳腺X影像的壓縮感知重構(gòu)
        計算機(jī)視覺在交通領(lǐng)域的應(yīng)用
        基于計算機(jī)視覺的細(xì)小顆粒團(tuán)重量測量的研究
        淺析壓縮感知理論在圖像處理中的應(yīng)用及展望
        基于壓縮感知的重構(gòu)算法研究
        基于ADM的加權(quán)正則化的塊稀疏優(yōu)化算法
        国产乱妇乱子在线播视频播放网站| 99久久精品国产91| 日本一区二区三区视频网站| 中文字幕av免费专区| 91久久青青草原免费| 国内精品九九久久精品小草| 人妖啪啪综合av一区| 潮喷失禁大喷水aⅴ无码| 999久久久免费精品国产| 亚洲午夜无码视频在线播放 | 丰满人妻一区二区三区免费视频| 国产zzjjzzjj视频全免费| 亚洲天天综合色制服丝袜在线| 国产一区二区在线中文字幕| 日本熟妇人妻xxxx| 亚洲欧洲无码一区二区三区| 久久久精品免费国产四虎| 日本办公室三级在线观看| 亚洲熟妇丰满多毛xxxx| 在线观看免费a∨网站| 中文字幕精品亚洲二区| 白白色发布会在线观看免费| 国产日产精品一区二区三区四区的特点| 午夜国产在线| 丝袜美腿av免费在线观看| 国产av激情舒服刺激| 欧美日韩国产成人高清视频| 国内精品国产三级国产av另类| 日韩中文字幕在线丰满| 亚洲欧美日韩精品久久| 欧美末成年videos在线观看| 最新亚洲av日韩av二区一区| 国产精品女主播福利在线| 黑人巨大av在线播放无码| 中文字幕国产精品中文字幕| 亚洲国产一区二区中文字幕 | 纯爱无遮挡h肉动漫在线播放| 91热国内精品永久免费观看| 国产一区二区三区成人| 国产成+人+综合+亚洲欧美丁香花| 婷婷丁香91|