基于极线约束SIFT特征和粒子滤波的目标跟踪算法

上海交通大学学报（自然版） ›› 2014, Vol. 48 ›› Issue (07): 1026-1032.

• 自动化技术、计算机技术 • 上一篇下一篇

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

刘士荣1,2，吴楚1,3，张波涛1,2，章海兵1,2

（1.杭州电子科技大学电气自动化研究所，杭州 310018; 2. 检测仪表与自动化系统集成技术教育部工程研究中心，杭州 310018; 3. 华为技术有限公司杭州研究所，杭州 310007）

收稿日期:2013-06-28 出版日期:2014-07-28 发布日期:2014-07-28
基金资助:
国家自然科学基金资助项目(61175093)

A Tracking Algorithm Based on SIFT Feature and Particle Filter with Epipolar Constraint

LIU Shirong1,2，WU Chu1,3,ZHANG Botao1,2,ZHANG Haibing1,2

(1. Institute of Electrical Engineering and Automation, Hangzhou Dianzi University, Hangzhou 301118, China; 2. Research Center of Detecting Instruments and Automation Systems Integration Technology ofthe Ministry of Education, Hangzhou 310018, China; 3. Hangzhou Institute, Huawei Technologies Co.
Ltd., Hangzhou 301118, China）

Received:2013-06-28 Online:2014-07-28 Published:2014-07-28

摘要/Abstract

摘要：

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题，提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法. 该方法采用SIFT特征向量构建目标模型，引入极线约束改善目标匹配精度，采用粒子滤波算法获得SIFT特征向量的候选目标模型，利用似然函数计算目标模型与候选目标模型间的相似性. 实验结果表明，该方法可解决目标与背景颜色相似时的跟踪失败问题，且对目标外形与位姿发生变化具有较好的适应能力.

关键词: 目标跟踪, 极线约束, 尺度不变特征变换, 粒子滤波

Abstract:

To deal with the instability in the target tracking method based on color or edge features, a tracking algorithm based on SIFT features
and particle filter with epipolar constraint was proposed in this paper. In this method, the target template was established using the vectors of the SIFT feature points, and the epiploar constraint was used to improve the target matching accuracy. A particle filter method was employed to establish the candidate template of SIFT feature vectors, and a likelihood function was used to calculate the similarity between the candidate template and the target template. Experimental results show that the proposed algorithm can track the target when the color of target is similar to one of the background, and it still works well when the posture or shape of the target changes.

Key words: target tracking, epipolar constraint, scaleinvariant feature transform (SIFT), particle filter

中图分类号:

TP 391

刘士荣1,2，吴楚1,3，张波涛1,2，章海兵1,2. 基于极线约束SIFT特征和粒子滤波的目标跟踪算法[J]. 上海交通大学学报（自然版）, 2014, 48(07): 1026-1032.

LIU Shirong1,2，WU Chu1,3,ZHANG Botao1,2,ZHANG Haibing1,2. A Tracking Algorithm Based on SIFT Feature and Particle Filter with Epipolar Constraint[J]. Journal of Shanghai Jiaotong University, 2014, 48(07): 1026-1032.

参考文献

［1］Nummiaro K, KollerMeier E, Gool L V. An adaptive colorbased particle filter［J］. Image and Vision Computing, 2002,21(1):99110.

［2］Wang H Z, Suter D, Schindler K. Adaptive object tracking based on an effective appearance filter［J］. IEEE Transactions on Pattern Analysis and Machine intelligence, 2007, 29(9): 16611667.

［3］吴楚, 刘士荣, 杨帆, 等. 基于极线约束的SIFT特征匹配算法研究［J］. 南京理工大学学报：自然科学版, 2011, 35(sup): 7884.

WU Chu, LIU Shirong,YANG Fan, et al. SIFT feature matching algorithm based on epipolar constraint［J］. Journal of Nanjing University of Science and Technology: Natural Science Edition, 2011, 35(sup): 7884.

［4］Ren J Y, Wang Y G, Deng Y. Study on eliminating wrong match pairs of SIFT［C］∥2010 IEEE 10th International Conference on Signal Processing (ICSP). Piscataway, NJ: IEEE Press, 2010: 992995.

［5］Goncalves H, CorteReal L，Gonalves J A. Automatic image registration through image segmentation and SIFT ［J］. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(7): 2589  2600.

［6］Bakshi S, Mehrotra H, Majhi B. Postmatch pruning of SIFT pairs for iris recognition ［J］. International Journal of Biometrics, 2013, 5(2): 160180.

［7］Zhou K, Fan R X, Li W X. A mean shiftparticle fusion tracking algorithm based on SIFT［C］∥Proceedings of the 29th Chinese Control Conference. Piscataway, NJ: IEEE Press, 2010: 27172720.

［8］Liu Y, Wang X N, Yang J, et al. Multiobjects tracking and online identification based on SIFT［C］∥Proceedings of 2011 International Conference on Multimedia Technology (ICMT). Piscataway, NJ: IEEE Press, 2011: 429432.

［9］蔺海峰, 马宇峰, 宋涛. 基于SIFT特征目标跟踪算法研究［J］. 自动化学报, 2010, 36(8):12041208.

LIN Haifeng, MA Yufeng, SONG Tao. Research on object tracking algorithm based on SIFT［J］. Acta Automatica Sinica, 2010, 36(8): 12041208.

［10］牛长锋, 陈登峰, 刘玉树. 基于SIFT特征和粒子滤波的目标跟踪方法［J］.机器人, 2010,32(2):241247.

NIU Changfeng, CHEN Dengfeng, LIU Yushu. Tacking object based on SIFT features and particle filter［J］. Robot, 2010, 32(2): 241247.

［11］吴楚. 基于视觉的目标跟踪算法研究及其在移动机器人中的应用［D］. 杭州: 杭州电子科技大学, 2012.

[1]	黄鹤, 吴琨, 李昕芮, 王珺, 王会峰, 茹锋. 自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法[J]. 上海交通大学学报, 2022, 56(2): 143-155.
[2]	高红莲, 尤杰, 曹松银. 基于PF-UKF组合滤波的SINS/GPS组合导航系统空中对准方法[J]. 上海交通大学学报, 2022, 56(11): 1447-1452.
[3]	何子述, 苏洋, 程婷. 基于共址MIMO雷达组网系统的机会协同目标跟踪方法[J]. 空天防御, 2022, 5(1): 6-11.
[4]	侯煜冠, 韩远鹏, 谢金月, 毛兴鹏. 基于SDE模型的雷达组目标角度跟踪方法[J]. 空天防御, 2021, 4(1): 41-46.
[5]	毕晓君，胡菘益. 基于混合引导策略的高精度萤火虫优化粒子滤波算法[J]. 上海交通大学学报（自然版）, 2019, 53(2): 232-238.
[6]	孙一奇，吴爱国，董娜，邵一哲. 基于粒子滤波与改进GVF Snake的人手跟踪算法[J]. 上海交通大学学报（自然版）, 2018, 52(7): 801-807.
[7]	陈晓,李亚安,李余兴,蔚婧. 基于距离加权的概率数据关联机动目标跟踪算法[J]. 上海交通大学学报（自然版）, 2018, 52(4): 474-479.
[8]	李坦坦，雷明. 基于启发式逻辑的概率假设密度滤波高效航迹起始方法[J]. 上海交通大学学报（自然版）, 2018, 52(1): 63-69.
[9]	赵国旗a,b，杨明a,b，王冰a,b，王春香c. 基于智能终端的移动机器人室内外无缝定位方法[J]. 上海交通大学学报（自然版）, 2018, 52(1): 13-19.
[10]	李家强1a,2，赵春艳1b,2，陈金立1a,1b，赵荣华1b,2. WGS-84坐标系下改进的广义最小二乘配准算法[J]. 上海交通大学学报（自然版）, 2016, 50(05): 771-775.
[11]	张铁，马琼雄. 人机交互中的人体目标跟踪算法[J]. 上海交通大学学报（自然版）, 2015, 49(08): 1213-1219.
[12]	李雄杰1,2，周东华2. 混杂系统故障诊断的粒子滤波器方法[J]. 上海交通大学学报（自然版）, 2015, 49(06): 849-854.
[13]	曹洁a,b，李玉琴a，吴迪b. 基于改进差分进化的高精度粒子滤波算法[J]. 上海交通大学学报（自然版）, 2014, 48(12): 1714-1720.
[14]	李晓旭1，戴彬1，曹洁1,2. 基于多特征融合的改进UPF目标跟踪算法[J]. 上海交通大学学报（自然版）, 2014, 48(10): 1473-1478.
[15]	裴福俊,李昊洋,武玫. 基于分布式无味边缘粒子滤波的同步定位与地图构建[J]. 上海交通大学学报（自然版）, 2014, 48(07): 986-992.

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

A Tracking Algorithm Based on SIFT Feature and Particle Filter with Epipolar Constraint

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价