Robust Object Tracking via Information Theoretic Measures

Object tracking is a very important topic in the field of computer vision.Many sophisticated appearance models have been proposed.Among them,the trackers based on holistic appearance information provide a compact notion of the tracked object and thus are robust to appearance variations under a small amount of noise.However,in practice,the tracked objects are often corrupted by complex noises(e.g.,partial occlusions,illumination variations)so that the original appearance-based trackers become less effective.This paper presents a correntropy-based robust holistic tracking algorithm to deal with various noises.Then,a half-quadratic algorithm is carefully employed to minimize the correntropy-based objective function.Based on the proposed information theoretic algorithm,we design a simple and effective template update scheme for object tracking.Experimental results on publicly available videos demonstrate that the proposed tracker outperforms other popular tracking algorithms.

自动选择跟踪窗尺度的Mean-Shift算法

实用的跟踪系统要求能实时地适应运动目标的外观变化,尺度固定不变的跟踪窗口不能有效地跟踪存在明显尺度变化的目标。本文将多尺度图像的信息量度量方法引入到运动目标跟踪中,提出了一种跟踪窗口自动更新算法,并用此算法改进了基于颜色直方图的Mean-Shift跟踪方案。实验结果表明,改进的跟踪算法对尺寸逐渐减小和逐渐增大的目标都能自动选择合适的跟踪窗口大小。

基于UKF的窗口自适应Mean-Shift算法

传统的Mean-Shift跟踪算法窗口固定,不能对尺度任意变化的目标进行有效跟踪。为此,提出一种多尺度理论与无味卡尔曼滤波器(UKF)相结合的视频跟踪改进算法。利用多尺度理论统计跟踪窗内的信息量,使用UKF对得到的信息量进行预测,通过修正后的信息量计算窗口变化比例系数,对尺度任意变化的目标进行跟踪。实验结果证明,该算法能对尺度任意变换的目标进行有效跟踪。

基于互信息测度红外目标图像相关匹配跟踪算法

在红外地面目标跟踪过程中,目标在图像系统中呈现多样化,任何一种单一的跟踪方式都无法满足系统的要求。对此本文采用一种多模跟踪方式,针对具体的目标,采用不同模式的跟踪方法。对于小目标,采用互信息测度的相关跟踪方式;对于大目标,采用形心跟踪方式。通过自适应波门来决定跟踪模式,实验证明该算法具有稳定而且精确的跟踪性能,算法执行时间短,完全可以满足实时性要求。

成像目标跟踪目标建模技术综述

由目标跟踪的数学模型得出,影响目标跟踪性能的三个主要因素为目标状态转移模型、滤波算法和目标建模技术。对目标建模技术进行了综述和分析,分别从特征选择、特征的统计建模和相似性度量三个方面进行了阐述。以畸变不变性、目标/背景分辨能力作为性能评价手段定性地比较了国内外文献中提出的多种目标表征模型。指出了目标跟踪中目标表征模型自适应选择的研究方向。