设为首页 |  加入收藏
首页期刊介绍编 委 会投稿须知稿 约征订启事合作办刊联系我们English
 
尺度自适应的铁路异物侵限PSA-Kcf降维跟踪方法
作者:屈志坚1 周锐霖1 2 孙旭兵1 袁慎高1  亮1 
单位:1.华东交通大学 电气工程学院,江西 南昌 330013;2.中车时代通信信号有限公司,湖南 长沙 410199
关键词:异物侵限 视觉背景提取器 密集循环采样 FHOG特征 核相关滤波 PCA降维 
分类号:
出版年·卷·期(页码):2019·41·第5期(71-81)
摘要:

针对铁路异物侵限存在尺度上的外观变化,导致现有目标跟踪算法容易学习到过量背景或局部纹理信息,从而引发跟踪框漂移的问题,提出一种融合尺度估计的核相关滤波目标跟踪算法。利用视觉背景提取器ViBe对铁路沿线侵限异物进行检测,通过密集循环采样和尺度金字塔技术分别提取初始化跟踪框的FHOG特征,用来训练一个核相关位置滤波器和一个PCA降维的尺度滤波器,以实现尺度自适应的铁路侵限异物快速跟踪。实验结果表明:PSA-Kcf算法在跟踪精度上优于无尺度估计环节的生成类算法Mean Shift和原生核相关滤波算法Kcf,略高于尺度自适应的SA-KcfSAMF算法;在跟踪速度上明显快于Mean ShiftSA-KcfSAMF算法,能达到与Kcf算法相当的快速跟踪效果。

Aiming at the appearance of railway foreign body have change in scale,the existing tracker is easy to learn excessive background or local texture information,and leads to the problem of tracking box drift.A kernel-correlation filtering target tracking algorithm mix with scale filter is proposed.Firstly,the visual background extractor is used to identify the foreign body along the railway.The FHOG features of the initial tracking box are extracted by dense cycle sampling and scale pyramid techniques,which is used to train a kernelized correlation position filter and a scale filter with PCA dimension reduction,to achieve scale-adaptive and fast tracking of foreign body.The experimental result shows that the proposed PSA-Kcf algorithm outperforms the Mean Shift algorithm and the native kernel correlation filter algorithm without scale estimation in tracking accuracy,slightly higher than SA-Kcf and SAMF algorithm;the tracking speed is faster than Mean Shift,SA-Kcf and SAMF algorithm.Equivalent to the Kcf algorithm without scale estimation.

 

参考文献:
服务与反馈:
文章下载】【发表评论】【查看评论】【加入收藏
提示:您还未登录,请登录!点此登录
 
友情链接   更多

地址:北京复兴路10号  中国铁道学会《bet36足球网站_bet36现在能提款吗_bet36备用官网》编辑部    邮编:100844      电话:(010)51848021 / 51847501 
传真:(010)51892424       邮箱:tdxb@vip.163.com   京ICP备09031577号