目标跟踪的定义是:在第一帧中给定待跟踪目标的情况下,对目标进行特征提取,对感兴趣区域进行分析;然后在后续图像中找到相似的特征和感兴趣区域,并对目标在下一帧中的位置进行预测。 孟琭, 杨旭. 目标跟踪算法综述. 自动化学报, 2019, 45(7): 1244-1260. 作为计算机视觉领域的一个热点研究方向,目标跟踪一直都是一项具有挑战性的工作。目标跟踪技术在导弹制导、智能监控系统、视频检索、无人驾驶、人机交互和工业机器人等领域具有重要的作用。从上世纪50年代目标跟踪的起源到现今,尽管已有大量的研究成果,但是在复杂条件下实现实时准确的跟踪依旧难以实现。面临的主要挑战主要有: 1)形态变化:运动目标发生姿态变化时,会导致它的特征以及外观模型发生改变,容易导致跟踪失败。 2)尺度变化:当目标尺度缩小时,会将很多背景信息包含在内,导致目标模型的更新错误;当目标尺度增大时,由于跟踪范围不能将目标完全包括在内,跟踪框内目标信息不全,也会导致目标模型的更新错误。 3)遮挡与消失:当这种情况发生时,容易将遮挡物以及背景信息包含在跟踪框内,会导致后续图片中的跟踪目标漂移到遮挡物上面。若目标被完全遮挡时,由于找不到目标的对应模型,会导致跟踪失败。 4)图像模糊:光照强度变化,目标快速运动,低分辨率等情况会导致图像模糊,尤其是在运动目标与背景相似的情况下更为明显。 …… ![]() 图1. 目标跟踪应用效果图 因此,为了提高目标跟踪的速度和准确性,近年来针对各类问题涌现了大量的目标跟踪算法。为了让后续研究人员清楚地了解现有目标跟踪算法的种类、特点以及发展历程,本文清楚地梳理现存的算法,对典型的目标跟踪算法进行分析总结。首先,介绍了研究的意义以及目标跟踪的定义。并对早期的生成式目标跟踪算法:卡尔曼滤波、光流法和核方法的原理及其改进方向进行简要分析。随后,对现阶段主流的相关滤波和深度学习目标跟踪算法进行了详细的讨论。并对其工作原理、适用范围、优缺点以及改进方向进行分析。最后,在OTB-2013实验平台上对所提及的目标跟踪算法精度和速度进行对比分析。讨论了每类算法存在的问题并给出未来的研究趋势。并得出了以下结论: 1)使用具有鲁棒性的特征,增加算法的精确度。 2)选择强大的分类器,提高算法的性能。 3)进行必要的模型更新,适应环境的变化。 现阶段经典的目标跟踪算法效果图如下 ![]() 图2. 目标跟踪实际效果图 作者简介 ![]() 孟琭,1982年生,男,副教授,研究方向为人工智能,图像处理,计算机辅助诊断,区块链。 Email: menglu@ise.neu.edu.cn ![]() 杨 旭,东北大学信息科学与工程学院硕士研究生,主要研究方向为图像处理. E-mail: 13998346746@163.com 自动化 学报 信息物理融合系统理论与应用专刊 信息物理融合系统理论与应用专刊序言 工业网络系统的感知-传输-控制一体化:挑战和进展 信息物理系统技术综述 多时空尺度的风力发电预测方法综述 面向电力信息物理系统的虚假数据注入攻击研究综述 信息物理融合的智慧能源系统多级对等协同优化 基于贝叶斯序贯博弈模型的智能电网信息物理安全分析 网络攻击下信息物理融合电力系统的弹性事件触发控制 拒绝服务攻击下基于UKF的智能电网动态状态估计研究 智能交通信息物理融合云控制系统 东北大学郭戈教授等:交通信息物理系统中的车辆协同运行优化调度 北交唐涛教授等:基于二维结构熵的CBTC系统信息安全风险评估方法 东北大学孙秋野教授等:基于数据特征融合的管网信息物理异常诊断方法 重庆大学宋永端教授等:受攻击信息物理系统的分布式安全状态估计与控制——一种有限时间方法 大连理工夏浩教授等:基于博弈论的信息物理融合系统安全控制 西安交通大学彭勤科教授等:假数据注入攻击下信息物理融合系统的稳定性研究 自动化科学与技术未来发展专刊 自动化科学与技术未来发展专刊 陈杰院士等:自动化科学与技术未来发展专刊序言 柴天佑院士:自动化科学与技术发展方向 东北大学丁进良教授等:复杂工业过程智能优化决策系统的现状与展望 美国南加州大学秦泗钊教授等:数据驱动的工业过程运行监控与自优化研究展望 桂卫华院士等:铝电解生产智能优化制造研究综述 北工大乔俊飞教授等:城市污水处理过程异常工况识别和抑制研究 北理孙健教授、邓方教授和陈杰院士:陆用运动体控制系统发展现状与趋势 中科院自动化所侯增广研究员等:康复辅助机器人及其物理人机交互方法 生成式对抗网络GAN技术与应用专刊 生成式对抗网络:从生成数据到创造智能 人工智能研究的新前线:生成式对抗网络 一种能量函数意义下的生成式对抗网络 协作式生成对抗网络 融合对抗学习的因果关系抽取 基于生成对抗网络的多视图学习与重构算法 基于生成对抗网络的低秩图像生成方法 基于条件深度卷积生成对抗网络的图像识别方法 基于生成式对抗网络的鲁棒人脸表情识别 基于对抗训练策略的语言模型数据增强技术 基于GAN技术的自能源混合建模与参数辨识方法-自能源,一场“草根能源”的盛宴 基于位错理论的距离正则化水平集图像分割算法 异质依存网络衰退特征与关键节点辨识 欢迎扫描二维码、长按图片识别关注《自动化学报》中文版订阅号aas1963,服务号自动化学报和英文版服务号! ![]() ![]() JAS《自动化学报》(英文版) ![]() ![]() 自动化学报服务号 ![]() ![]() 自动化学报订阅号 联系我们 Tel: 010-82544653(日常咨询和稿件处理) 010-82544677(录用后稿件处理) Fax: 010-82544497 Email: aas@ia.ac.cn(日常咨询和稿件处理) aas_editor@ia.ac.cn(录用后稿件处理) http://www.aas.net.cn 这里“阅读原文”,查看更多 ---------------------------------------------------------------------------------------------------------------------- 我们尊重原创,也注重分享,文章来源于微信公众号:AAS自动化学报,建议关注公众号查看原文。如若侵权请联系qter@qter.org。 ---------------------------------------------------------------------------------------------------------------------- |