ISSN在线(2319 - 8753)打印(2347 - 6710)
Meha j·帕特尔1Bhumika Bhatt)2
|
相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术
对象跟踪非常重要任务在许多计算机视觉的应用例如监测、车辆导航、自主机器人导航等。它包含有趣的运动物体检测和跟踪的对象从帧到帧。它的主要任务是找到并跟随移动物体或多个对象在图像序列。通常有三个阶段的视频分析;对象检测、对象跟踪和对象重组。本文提出一个简单的调查等各种视频对象跟踪技术跟踪,内核跟踪和轮廓跟踪算法。也提出了比较研究的方法。
关键字 |
内核对象跟踪,跟踪,跟踪、轮廓跟踪。 |
介绍 |
对象跟踪是一个重要的和具有挑战性的任务在计算机视觉领域。高性能计算机的兴起,高质量和廉价的摄像机的可用性,和不断上升的需要自动视频分析有很大的兴趣起源对象跟踪算法。 |
在视频对象跟踪的问题可以被定义为评估对象在图像平面上的轨迹,因为它绕一个场景[1]。是一个细分的过程感兴趣的对象从视频场景和运动的跟踪,定位、闭塞等。此外,根据跟踪领域,一个追踪者也可以提供对象为中心的信息,如定位、区域或对象的轮廓。视频对象检测和跟踪已经广泛的应用在视频处理如视频压缩、视频监视、控制、建立humancomputer接口、医学成像、增强现实技术,机器人技术。 |
选择跟踪算法可以做对象表示的基础功能,对象检测技术和对象跟踪算法。最常见的表示方法是点,原始的几何形状,对象轮廓和轮廓,铰接形状模型、骨骼模型。常见的视觉特征是颜色、纹理、光流和优势。一些对象检测方法点探测器,背景减法,分割,监督学习。 |
二世。对象跟踪技术 |
对象跟踪的目的是创建对象的路线找到它的位置随着时间的视频序列。检测对象和创建对象之间的通信事件通过帧可以单独或共同完成。在第一阶段,地区每一帧的兴趣是通过对象的检测算法,然后跟踪跨帧对应的对象。在最后阶段,地区预计通过迭代更新对象位置获得前一帧。对象跟踪可分为点跟踪,基于内核跟踪和轮廓跟踪[1]。 |
答:点跟踪 |
跟踪可以制定为检测对象的通信由分帧。点对应关系是一个复杂的问题,主要是在遮挡的存在,misdetections,对象的条目,并退出。总的来说,点对应方法可分为两大类,即确定性和统计方法。确定性方法使用定性运动启发式约束对应的问题。另一方面,概率方法明确把对象测量和考虑不确定性建立通信。 |
1)确定的方法 |
在点跟踪这个方法适用于连接每个对象与单一对象在当前帧的前一帧。这是组运动约束的帮助下完成的。确定性方法点对应定义一个框架的每个对象关联成本t−1到一个对象在坐标系使用一组运动的约束。最小化的通信成本是制定为一个组合优化问题。 |
这些方法都是为不同的目的不同的应用程序。第一Veenman跟踪算法的旋转盘颜色分割序列被用来检测黑点在白色的菜[4]。另一个跟踪算法Shafique和沙鸟发现使用背景减法[5]。 |
2)统计方法 |
统计和概率统计方法是适用于测量物体的位置与检测机制框架。该方法用于模型对象属性,如速度和位置。有两类跟踪:单一对象和多目标跟踪。从传感器获取视频测量总是含有噪声。此外,对象运动可以接受随机扰动,例如,机动车辆。跟踪统计对应的方法解决这些问题,考虑到测量和模型的不确定性在对象状态估计。状态空间方法使用统计对应方法模型对象属性如位置,速度,加速度。测量通常由图像中对象的位置,通过检测机制。 |
因此统计方法是确定性方法的扩展努力通过使用不同类型的过滤器。也用这些过滤器等其他方法确定的方法,内核跟踪方法和轮廓货架的方法。一些常用的过滤器是卡尔曼滤波、粒子滤波,联合概率数据关联滤波和多假设过滤器。 |
b .内核跟踪 |
内核跟踪是基于对象的运动。它通常由计算物体的运动,这是由一个原始对象地区,从这一帧画面到下一帧。这些算法使用不同的外观表示,跟踪对象的数量,和方法用来估计物体运动。 |
1)模板的基础模型 |
模板基础搜索图像的方法,在前一帧对象模板定义。由于其相对简单和低成本计算模板和density-based外观模型是常用的。我们将追踪器这类划分为两个子分类基于对象是否单独或共同跟踪。有两种类型的基于模板的方法:跟踪单个对象和跟踪多个对象[1]。 |
2)多视点外观模型 |
多视图外观的新方法用于对象可能有不同的观点在不同的帧。还有其他困难的方法来跟踪对象。外观模型在前面的跟踪方法通常生成的网络(例如直方图、模板等)。因此这些模型代表了信息收集最新的观测对象。对象可能出现不同的从不同的视图,如果对象视图跟踪期间急剧变化,外观模型可能不再有效,对象跟踪可能会丢失。可以学到不同的视图对象的离线和用于跟踪来克服这个困难。 |
c .轮廓跟踪 |
对象的轮廓跟踪时使用完整的地区是必需的。复杂形状物体例如手、头、身体,可以准确地描述基于轮廓的方法。这些类型的目标跟踪方法是找到对象地区每一帧通过使用前面的帧生成对象模型。这个模型的形式可以是一个对象或对象轮廓和边缘颜色直方图。主要有两类轮廓跟踪即形状匹配和轮廓跟踪[1]。 |
1)形状匹配 |
形状匹配可以跟踪一个物体轮廓和执行相关的模型是当前帧中搜索类似于基于模板匹配跟踪。在这种方法中,通过执行搜索的计算对象的相似性与模型产生的推测基于前一帧对象轮廓。 |
2)轮廓跟踪 |
形状匹配方法相比,轮廓跟踪方法是迭代演进的一个初始轮廓在前面帧的新位置在当前帧。这个轮廓演化要求部分对象的当前帧与前一帧的对象区域重叠。跟踪通过进化的轮廓可以使用两种不同的方法被执行。第一种方法利用状态空间模型模型轮廓的形状和它的运动。第二种方法直接演化轮廓通过最小化等高能源使用直接最小化梯度下降法等技术。基于轮廓跟踪算法需要进一步分类,即状态空间模型和直接轮廓能量函数的最小化。 |
三世。比较的视频跟踪技术 |
比较对象跟踪技术提出了下面的表。下面的表格得出结论,不同的跟踪技术已经申请对象跟踪不同的具有挑战性的情况。 |
![]() |
四。结论 |
本文广泛的文献调查各种视频对象跟踪技术被提出。视频分析检测基地的主要对象,对象跟踪和目标识别。比较分析是在基地的基本对象跟踪算法:点跟踪、内核和轮廓跟踪算法。在每一帧点跟踪涉及到检测,而基于内核或轮廓跟踪需要检测当对象第一次出现在现场。点追踪器适用于跟踪非常小的对象,可以由一个单点表示。在内核跟踪方法中,不同的评估方法是用来发现合成区域目标对象。颜色直方图技术具有良好的效率的帧检测但空间信息丢失,但纹理信息等功能包括内核跟踪会给更好的结果。轮廓跟踪基地类型的表示形式,可以运动模型或外观模型。本文强调了跟踪算法的比较分析对象领域的研究人员跟踪。 |