北京邮电大学学报

  • EI核心期刊

北京邮电大学学报 ›› 2011, Vol. 34 ›› Issue (s1): 14-18.doi: 10.13190/jbupt.2011s1.14.liuyh

• 论文 • 上一篇    下一篇

视频序列的多特征粒子滤波跟踪方法

刘亚辉,贾庆轩,孙汉旭,高欣   

  1. 1. 北京邮电大学 自动化学院,北京 100876; 2. 北京信息科技大学 计算中心,北京 100192
  • 出版日期:2011-10-28 发布日期:2011-10-28
  • 作者简介:刘亚辉(1974-),女,博士生,E-mail:yahui.liu@126.com 贾庆轩(1964-),男,教授,博士生导师
  • 基金资助:

    北京市教育委员会科技计划面上项目(KM201010772021); 中央高校基本科研业务费专项基金资助(2009RC0603)

A Method of MultiFeature Particle Filter Tracking Based on Video Sequences

    

  1.  
  • Online:2011-10-28 Published:2011-10-28
  • Supported by:
     

摘要:

提出了一种应用于视频序列的多特征粒子滤波(PF)跟踪算法,该方法在重采样后,对每一粒子应用CamShift算法,使所有粒子都趋于一个局部稳定的位置附近. 其中,权重中的似然函数根据颜色与边缘直方图分布的Bhattacharyya系数更新.该方法结合了CamShift计算量小的特点,使PF用较少的粒子能够对目标较准确的跟踪. 实验结果表明,该方法对遮挡具有一定的鲁棒性.

关键词: 粒子滤波, 均值漂移, 目标跟踪, 多特征

Abstract:

Used in video sequences, an algorithm for multifeature particle filter (PF) is put forward with resampling. The new CamShift is applied to each particle in order to make all particles reach a stable position nearby. Likelihood function for each particle is computed by color and edge Bhattacharyya coefficients. The method exploits the CamShift characteristic of low computational complexity, which makes PF realize target tracking by less particles than before. Analysis shows that the method is robust to occlusion.

Key words: particle filter, meanShift, target tracking, multiple features

中图分类号: