留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于傅里叶域卷积表示的目标跟踪算法

朱日东 杨小远 王敬凯

朱日东, 杨小远, 王敬凯等 . 基于傅里叶域卷积表示的目标跟踪算法[J]. 北京航空航天大学学报, 2018, 44(1): 151-159. doi: 10.13700/j.bh.1001-5965.2017.0038
引用本文: 朱日东, 杨小远, 王敬凯等 . 基于傅里叶域卷积表示的目标跟踪算法[J]. 北京航空航天大学学报, 2018, 44(1): 151-159. doi: 10.13700/j.bh.1001-5965.2017.0038
ZHU Ridong, YANG Xiaoyuan, WANG Jingkaiet al. Convolution representation-based object tracking algorithm in Fourier domain[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(1): 151-159. doi: 10.13700/j.bh.1001-5965.2017.0038(in Chinese)
Citation: ZHU Ridong, YANG Xiaoyuan, WANG Jingkaiet al. Convolution representation-based object tracking algorithm in Fourier domain[J]. Journal of Beijing University of Aeronautics and Astronautics, 2018, 44(1): 151-159. doi: 10.13700/j.bh.1001-5965.2017.0038(in Chinese)

基于傅里叶域卷积表示的目标跟踪算法

doi: 10.13700/j.bh.1001-5965.2017.0038
基金项目: 

国家自然科学基金 61671002

北京市自然科学基金 4152029

详细信息
    作者简介:

    朱日东  男, 博士研究生。主要研究方向:目标跟踪

    杨小远  女, 博士, 教授, 博士生导师。主要研究方向:应用调和分析与图像处理

    王敬凯  男, 博士研究生。主要研究方向:多源遥感图像融合

    通讯作者:

    杨小远, E-mail: xiaoyuanyang@vip.163.com

  • 中图分类号: O29;TP391.4

Convolution representation-based object tracking algorithm in Fourier domain

Funds: 

National Natural Science Foundation of China 61671002

Beijing Natural Science Foundation 4152029

More Information
  • 摘要:

    针对目标跟踪问题,提出基于傅里叶域卷积表示的目标跟踪算法,将目标跟踪问题转化为卷积表示模型,通过求解最优滤波器,得到对目标函数的最佳表示,可以实现快速鲁棒的跟踪。多通道卷积表示模型在傅里叶域等价于求解线性方程的最佳近似解。首先,通过广义逆理论求得该方程的最优通解,给出一般滤波器的表示形式;然后,利用前一时刻的滤波器和当前特征模板生成当前滤波器,利用满秩算法快速求解广义逆;最后,在位移和尺度上更新、应用该滤波器。在目标跟踪基准(OTB)数据库中的大量实验表明,本文算法比当前部分较为先进的跟踪算法具有更好的表现,并提供了更加灵活多样的滤波器设计。

     

  • 图 1  响应函数预测位置

    Figure 1.  Location estimation by response function

    图 2  响应函数及其傅里叶变换

    Figure 2.  Response function and its Fourier transform

    图 3  多通道特征和多尺度采样

    Figure 3.  Multi-channel features and multi-scale sampling

    图 4  OTB[19]数据库中的32个图像序列

    Figure 4.  32 image sequences of OTB[19] database

    图 5  评估算法

    Figure 5.  Evaluation algorithm

    图 6  在32个图像序列上的成功率和精度曲线

    Figure 6.  Success rate and precision curves over 32 image sequences

    图 7  本文算法与其他算法在Fleetface、Soccer、Walking2和Skating1序列上的跟踪结果

    Figure 7.  Tracking results of proposed algorithm and other algorithms on Fleetface, Soccer, Walking2 and Skating1 sequences

    图 8  快速运动、形变、尺度变化、遮挡、面外旋转、面内旋转场景下的成功率曲线

    Figure 8.  Success rate curves of fast motion, deformation, scale variation, occlusion, out-of-plane rotation and in-plane rotation

    表  1  成功率排名

    Table  1.   Ranking in success rate

    算法 本文算法 SRDCF[12] DSST[5] KCF[4] MEEM[13] SCM[16] Struck[14] ASLA[15] L1-APG[17] CT[18]
    AUC 0.684 0.677 0.653 0.589 0.586 0.541 0.533 0.510 0.461 0.354
    排名 1 2 3 4 5 6 7 8 9 10
    下载: 导出CSV

    表  2  精度排名

    Table  2.   Ranking in precision

    算法 本文算法 SRDCF[12] DSST[5] KCF[4] MEEM[13] Struck[14] SCM[16] ASLA[15] L1-APG[17] CT[18]
    精度 0.900 0.889 0.858 0.847 0.821 0.722 0.691 0.619 0.561 0.452
    排名 1 2 3 4 5 6 7 8 9 10
    下载: 导出CSV
  • [1] YILMAZ A, JAVED O, SHAH M.Object tracking:A survey[J].ACM Computing Surveys, 2006, 38(4):1-45. https://www.researchgate.net/.../284688924_Object_tracking_A_Survey
    [2] SMEULDERS A W M, CHU D M, CUCCHIARA R, et al.Visual tracking:An experimental survey[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2014, 36(7):1442-1468. doi: 10.1109/TPAMI.2013.230
    [3] BOLME D S, BEVERIDGE J R, DRAPER B A, et al.Visual object tracking using adaptive correlation filters[C]//2010 IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, NJ:IEEE Press, 2010:2544-2550.
    [4] HENRIQUES J, CASEIRO R, MARTINS P, et al.High-speed tracking with kernelized correlation filters[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(3):583-596. doi: 10.1109/TPAMI.2014.2345390
    [5] DANELLJAN M, HAGER G, KHAN F S, et al.Accurate scale estimation for robust visual tracking[C]//Proceedings of the British Machine Vision Conference 2014.Durham:BMVA Press, 2014:1-11.
    [6] KIANI H, SIM T, LUCEY S.Multi-channel correlation filters[C]//2013 IEEE International Conference on Computer Vision.Piscataway, NJ:IEEE Press, 2013:3072-3079.
    [7] BODDETI N V, KANADE T, KUMAR B V K V.Correlation filters for object alignment[C]//2013 IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, NJ:IEEE Press, 2013:2291-2298.
    [8] 张跃辉.矩阵理论与应用[M].北京:科学出版社, 2011:207-231.

    ZHANG Y H.Matrix theory and application[M].Beijing:Science Press, 2011:207-231(in Chinese).
    [9] PUNTANEN S, STYAN P H G, ISOTALO J.Matrix tricks for linear statistical models[M].Berlin:Springer-Verlag, 2011:349-350.
    [10] OPPENHEIM V A, WILLSKY S A.Signals and systems[M].Upper Saddle River:Prentice Hall, 1983:322.
    [11] DALAL N, TRIGGS B.Histograms of oriented gradients for human detection[C]//2005 IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, NJ:IEEE Press, 2005:886-893.
    [12] DANELLJAN M, HAGER G, KHAN S F, et al.Learning spatially regularized correlation filters for visual tracking[C]//2015 IEEE International Conference on Computer Vision.Piscataway, NJ:IEEE Press, 2015:4310-4318.
    [13] ZHANG J M, MA S G, SCLAROFF S.MEEM:Robust tracking via multiple experts using entropy minimization[C]//2014 European Conference on Computer Vision.Berlin:Springer-Verlag, 2014:188-203.
    [14] HARE S, GOLODETZ S, SAFFARI A, et al.Struck:Structured output tracking with kernels[C]//2011 IEEE International Conference on Computer Vision.Piscataway, NJ:IEEE Press, 2011:263-270.
    [15] JIA X, LU H C, YANG M H.Visual tracking via adaptive structural local sparse appearance model[C]//2012 IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, NJ:IEEE Press, 2012:1822-1829.
    [16] ZHONG W, LU H C, YANG M H.Robust object tracking via sparsity-based collaborative model[C]//2012 IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, NJ:IEEE Press, 2012:1838-1845.
    [17] BAO C L, WU Y, LING H B, et al.Real time robust L1 tracker using accelerated proximal gradient approach[C]//2012 IEEE Conference on Computer Vision and Pattern Recognition.Piscataway, NJ:IEEE Press, 2012:1830-1837.
    [18] ZHANG K H, ZHANG L, YANG M H.Real-time compressive tracking[C]//2012 European Conference on Computer Vision.Berlin:Springer-Verlag, 2012:866-879.
    [19] WU Y, LIM J, YANG M H.Object tracking benchmark[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2015, 37(9):1834-1848. doi: 10.1109/TPAMI.2014.2388226
  • 加载中
图(8) / 表(2)
计量
  • 文章访问数:  390
  • HTML全文浏览量:  15
  • PDF下载量:  425
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-01-18
  • 录用日期:  2017-04-07
  • 刊出日期:  2018-01-20

目录

    /

    返回文章
    返回
    常见问答