基于DWT-DCT系数符号特征匹配的视频目标跟踪-论文.pdf

《基于DWT-DCT系数符号特征匹配的视频目标跟踪-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第3期贵州大学学报(自然科学版)Vo1．32No．32015年6月JournalofGuizhouUniversity(NaturalSciences)Jun．2015文章编号1000—5269(2015)03—0103—06DOI：10．15958／j．cnki．gdxbzrb．2015．03．22基于DWT—DCT系数符号特征匹配的视频目标跟踪陈朝龙，刘本永(1．贵州大学大数据与信息学院，贵州贵阳550025；2．贵州大学智能信息处理研究所，贵州贵阳550025)摘要：视频运动目标跟踪，简单说就是在下一帧图像中锁定感兴趣目标的确切

2、位置。复杂的背景以及目标本身的变化给运动目标跟踪技术带来了很大的困难。现有算法大都在分辨率较高的条件下针对特定场景取得较好的跟踪效果，但针对运动目标尺寸比较小且分辨率较低的目标跟踪算法的研究报道不多，这种情况下通常难以达到精确的跟踪，鲁棒性也比较差。针对这一问题，探讨了一种基于DWT-DCT系数符号特征的运动目标跟踪算法，该算法通过提取这一特征进行特征匹配来定位目标的位置。实验结果表明，该算法不仅具有较强的鲁棒性，而且在低分辨条件下仍能对尺度较小的目标进行精确的跟踪。关键词：目标跟踪；DWT—DCT系数符号特征；低分辨率视频中图分类号：TP3

3、91．4文献标识码：A视频图像目标跟踪技术即是从视频图像信号时性以及SIFT特征匹配算法的准确性，在原算法中定位和自动跟踪运动目标的一种技术。该技术的基础上，提高了算法的实时性与准确性。文献由Wax在1955年首次提出，经过一段时间的发展，[8]则是在SIFT算法上进行改进，消除错误特征形成了一些比较经典的算法，如基于卡尔曼滤波的点匹配提高配准的精度，使算法在原来的基础上具目标跟踪方法、基于粒子滤波的目标跟踪、基于有更好的鲁棒性。MeanShift算法的目标方法J、基于swr特征的目SIFT特征是DOG空间里的局部极值点，即是标跟踪算法等。S

4、IFT算法(ScaleInvariantFeature在尺度变换下图像中变化最为剧烈的点，无论尺度Transform)最早于1999年由Lowe提出，于2004如何变化，siFr特征总能稳定存在。因此基于年由其本人进一步完善J。文献[5]证明了SIFTSIFT特征的跟踪算法对尺度不变、仿射扭曲、光照特征不仅具有尺度旋转不变性，而且当图像发生仿变化、噪声干扰、视角变化、局部遮挡有较好的鲁棒射扭曲、光照变化、噪声干扰、视角变化时，具有较性，但这里的前提是局部极值点必须是存在的。当好的鲁棒性。SIFT特征不仅在图像配准方面得到视频图像序列的分辨率较

5、低或者对比度较低时，局了很好的应用，在目标跟踪领域也得到了发展。在部极值点将会很少或者不存在，基于SIFT特征的基于SIFT特征的基础上，也出现了大量的改进算跟踪算法鲁棒性以及准确性的优点将会受到限制。法]，文献[6]、[7]分别将SIFT特征与粒子滤而现在的城市监控系统的视频图像具有分辨率低波跟踪算法、MeanShift算法结合得到改进的算法，等不足，使得视频目标有着对比度差，视频目标尺并使得算法的实时性或鲁棒性得到提高。文献寸小，形状和纹理等信息匮乏的缺点。这使得基于[6]通过增加SITF描述符使算法的鲁棒性强于经SITF特征的跟踪算法在

6、城市监控中的应用具有较典的粒子滤波跟踪算法。文献[7]的主要思想是大的局限性。如图1所示，视频图像的分辨率较好首先通过MeanShift算法来初步定位目标大致所时，能通过SIFT特征匹配的方法来定位运动目标。在区域，然后在目标区域内通过SIFT特征匹配的如图2，运动目标为左图中的小船，当视频图方式精确跟踪目标。结合了MeanShift算法的实像的分辨率较低时，提取的SIFT特征相对较少。收稿日期：2014—12—19基金项目：国家自然科学基金资助项目(60862003)；科技部国际合作项目(2009DFR10530)；教育部高等学校博士点基金

7、资助项目(20095201110002)；贵州大学创新基金项目(硕理工2014001)作者简介：陈朝龙(1989一)，男，在读硕士，研究方向：图像处理、模式识别，Email：chenchaolong_edu@163．com．通讯作者：刘本永，Email：CSC．byliu@gzu．edu．cn．