基于改进光流法的目标跟踪技术研究

刘向前; 闫娟; 杨慧斌; 贾茜伟

基于改进光流法的目标跟踪技术研究

上海工程技术大学机械与汽车工程学院，上海 201620

基金项目: 上海工程技术大学研究生校企产学合作资助项目（（19）JQ-009）

详细信息

作者简介:
刘向前（1994−），男，在读硕士，研究方向为智能控制及数字图像处理. E-mail：599238120@qq.com

通讯作者:
闫　娟（1978−），女，副教授，硕士，研究方向为智能控制及机械制造加工. E-mail：aliceyan_shu@126.com

中图分类号: TP317.4
计量
- 文章访问数: 436
- HTML全文浏览量: 483
- PDF下载量: 332
- 被引次数: 0
出版历程
- 收稿日期: 2021-05-28
- 刊出日期: 2021-09-30

Research on target tracking based on improved optical flow method

School of Mechanical and Automotive Engineering, Shanghai University of Engineering Science, Shanghai 201620, China

摘要

摘要: 针对传统光流法处理视频序列时存在运行效率低及跟踪偏移问题，结合粒子滤波模型提出一种改进光流法的视频目标跟踪技术. 该技术首先通过遍历法搜索运动点，采用质心定位方式捕获目标质心坐标，然后将得到的视频序列进行光流处理，最后经粒子滤波求解质心运动信息，以实现对视频中目标的精确检测与追踪. 在不同场景下对不同数量、不同类型目标进行仿真跟踪试验，并与光流法、ViBe算法及YOLO算法进行比较. 仿真结果表明，该跟踪技术可使目标跟踪的精准率有效提高5.2%，跟踪效率提高13.7%，同时表现出较好的鲁棒性.
- 目标跟踪 /
- 粒子滤波 /
- 低时间复杂度 /
- 光流法 /
- 视频序列 /
- 质心定位
Abstract: In view of the low operating efficiency of the optical flow method in tracking motion video sequences and the problem that the video sequence can only be processed in real time, designing a method based on optimized particle filter and optical flow method. Firstly, the algorithm strategy uses the method to find its target point, applys adaptive positioning to obtain the target central situations, and then processes the obtained video sequence with optical flow, then predicts the centroid movement information through particle filtering. Finally, in terms of the algorithm with the optical flow strategy, ViBe and YOLO algorithm, and track various video sequences and all kinds of objects in different situations. Test and simulation datas prove that the optimization strategy can not only effectively enhance the efficiency 13.7 percent and precision of target tracking 5.2 percent, but also demonstrate better anti-interference performance.
- target tracking /
- particle filter /
- low time complexity /
- optical flow method /
- video sequence /
- centroid positioning

HTML全文

图 1 金字塔光流迭代

Figure 1. Pyramid optical flow iteration

下载: 全尺寸图片幻灯片

图 2 改进算法执行流程

Figure 2. Implementation process of improved algorithm

下载: 全尺寸图片幻灯片

图 3 静态多目标跟踪试验效果图

Figure 3. Experimental renderings of static multi-target tracking

下载: 全尺寸图片幻灯片

图 4 动态单目标跟踪试验效果图

Figure 4. Experimental renderings of dynamic single target tracking

下载: 全尺寸图片幻灯片

图 5 动态多目标跟踪试验效果图

Figure 5. Experimental renderings of dynamic multi-target tracking

下载: 全尺寸图片幻灯片

图 6 不同环境下目标跟踪

Figure 6. Target tracking in different environments

下载: 全尺寸图片幻灯片

图 7 不同方法下的跟踪速率

Figure 7. Tracking rate under different methods

下载: 全尺寸图片幻灯片

表 1 静态环境多目标仿真跟踪结果

Table 1. Multi-target simulation tracking results in static environment

试验方法	目标跟踪数量	实际跟踪数量	平均速率
光流法	17	10	67.36
ViBe算法	17	8	129.03
YOLO算法	17	7	42.66
卷积神经网络算法	17	12	53.39
本文算法	17	13	97.41

下载: 导出CSV

表 2 动态环境单目标仿真跟踪结果

Table 2. Tracking results of single target simulation in dynamic environment

试验方法	目标跟踪数量	实际跟踪数量	平均速率
光流法	1	1	67.36
ViBe算法	1	1	129.03
YOLO算法	1	1	42.66
卷积神经网络算法	1	1	58.38
本文算法	1	1	97.41

下载: 导出CSV

表 3 动态环境下多目标仿真跟踪结果

Table 3. Multi-target simulation tracking results in dynamic environment

试验方法	目标跟踪数量	实际跟踪数量	平均速率
本文算法	9	7	82.9

下载: 导出CSV

参考文献(18)

[1]	XU C, WANG X X, DUAN S H, et al. Spatial-temporal constrained particle filter for cooperative target tracking[J] . Journal of network and computer applications,2021,176:102913.
[2]	GORJUP D, SLAVIC J, BABNIK A, et al. Still-camera multiview Spectral Optical Flow Imaging for 3D operating-deflection-shape identification[J] . Mechanical Systems & Signal Processing,2021,152:107456.
[3]	马晴. 基于深度学习和光流法的行人运动基本图获取方法[D]. 合肥: 中国科学技术大学, 2020.
[4]	潘宇巍, 何勇灵, 杨世春. 基于多级模糊控制的车辆目标跟踪研究[J] . 计算机仿真,2019(3):164 − 170.
[5]	熊炜, 王传胜, 李利荣, 等. 结合光流法和卡尔曼滤波的视频稳像算法[J] . 计算机工程与科学,2020(3):493 − 499. doi: 10.3969/j.issn.1007-130X.2020.03.015
[6]	陈玲, 李洁. 基于视觉传达的后继帧视频图像目标跟踪仿真[J] . 计算机仿真,2020(4):347 − 351.
[7]	李思嘉, 曹菲, 林浩申. 基于IMM-SCKF的海上机动目标跟踪算法研究[J] . 计算机仿真,2018(10):288 − 294. doi: 10.3969/j.issn.1006-9348.2018.10.058
[8]	蔡锦华, 祝义荣. 基于改进YOLOv3的目标跟踪算法研究[J] . 计算机仿真,2020(5):213 − 217, 321. doi: 10.3969/j.issn.1006-9348.2020.05.043
[9]	张保岗, 韩国栋, 汤先拓. 基于改进量子遗传算法的片上网络多目标映射技术[J] . 计算机应用与软件,2020(8):115 − 121. doi: 10.3969/j.issn.1000-386x.2020.08.021
[10]	庄博阳, 段建民, 郑榜贵, 等. 基于光流法的快速车道线识别算法研究[J] . 计算机测量与控制,2019(9):146 − 150.
[11]	刘夏轩德, 沈丹峰, 张旭祥, 等. 改进LK光流法在复杂环境中对移动小球目标追踪[J] . 计算机系统应用,2019(7):221 − 227.
[12]	张霞, 贺正然. 基于灰度与关键帧光流检测的视频异常判断[J] . 电子器件,2019(3):718 − 721. doi: 10.3969/j.issn.1005-9490.2019.03.035
[13]	梁硕. 基于背景减除法的运动目标检测与跟踪算法研究[D]. 西安: 西安石油大学, 2019.
[14]	怀天一. 基于信息几何的多传感器目标跟踪算法研究[D]. 杭州: 浙江大学, 2020.
[15]	张建丰. 运动图像目标跟踪优化仿真[J] . 计算机仿真,2017(6):256 − 259, 305. doi: 10.3969/j.issn.1006-9348.2017.06.055
[16]	韩玉兰, 韩崇昭, 薛丽. 多扩展目标混合粒子滤波器[J] . 控制工程,2019(6):1112 − 1117.
[17]	李献, 骆志伟, 于晋臣. MATLAB/Simulink系统仿真[M]. 北京: 清华大学出版社, 2017.
[18]	蔡瑞初, 谢伟浩, 郝志峰, 等. 基于多尺度时间递归神经网络的人群异常检测[J] . 软件学报,2015(11):2884 − 2896.