基于视觉注意机制的目标跟踪方法

J4 ›› 2014, Vol. 36 ›› Issue (08): 1549-1554.

基于视觉注意机制的目标跟踪方法

张巧荣，张慧娟

（河南财经政法大学计算机与信息工程学院，河南郑州 450002）

收稿日期:2012-10-16 修回日期:2013-03-26 出版日期:2014-08-25 发布日期:2014-08-25
基金资助:
河南省基础与前沿技术研究计划资助项目（122300410379）；河南省教育厅科学技术研究重点资助项目（14A520025）

Object tracking based on visual attention

ZHANG Qiaorong,ZHANG Huijuan

(College of Computer and Information Engineering,Henan University of Economics and Law,Zhengzhou 450002,China)

Received:2012-10-16 Revised:2013-03-26 Online:2014-08-25 Published:2014-08-25

摘要/Abstract

摘要：

提出一种基于视觉注意机制的运动目标跟踪方法。该方法借鉴人类的视觉注意机制的研究成果，建立视觉注意机制的计算模型，计算视频中各部分内容的视觉显著性。结合视觉显著性计算结果，提取视频图像中的显著性目标。利用颜色分布模型作为目标的特征表示模型，与视频中各显著目标进行特征匹配，实现目标的跟踪。在多个视频序列中进行实验，并给出相应的实验结果及分析。实验结果表明，提出的目标检测与跟踪算法是正确有效的。

关键词: 目标检测, 目标跟踪, 视觉注意, 视觉显著性, 显著图

Abstract:

An algorithm for moving object tracking based on visual attention mechanism is proposed. Human visual attention mechanism is introduced in the proposed algorithm and a computational model of visual attention is constructed. Based on the computational model, the visual saliency of each part in videos is computed. Salient objects are detected according to the visual saliency results. Using the color distribution model as the representation model of the object, objects are tracked by calculating the similarity of salient objects in the two successive frames by. The algorithm is tested on many video sequences. Experimental and analysis results show that the proposal is robust and effective for object detection and tracking in videos.

Key words: Object detection;object tracking;visual attention;visual saliency;saliency map

张巧荣，张慧娟. 基于视觉注意机制的目标跟踪方法[J]. J4, 2014, 36(08): 1549-1554.

ZHANG Qiaorong,ZHANG Huijuan. Object tracking based on visual attention [J]. J4, 2014, 36(08): 1549-1554.

参考文献［11］

［1］	Zhou Shangbo,Hu Peng,Liu Yujiong.Target tracking based on improved MeanShift and adaptive Kalman filter ［J］. Journal of Computer Applications, 2010, 30(6):15731576.(in Chinese)
［2］	Xu Dong, Xu Wenli. Tracking moving object with structure template［J］. Journal of Electronics & Information Technology, 2005, 27(7):10211024.
［3］	Liu Qing, Dou Qin, Guo Jianming, et al. Covariance tracking based on multicharacteristic combination ［J］.Engineering Journal of Wuhan University, 2009, 42(4):512515. (in Chinese)
［4］	Liu Xianru,Cai Zixing.Real time object tracking using Mean shift combined UKF［J］. Journal of Central South University (Science and Technology), 2011, 42(5):13381343. (in Chinese)
［5］	Li Yuanzheng, Lu Zhaoyang, Gao Quanxue. Particle filter and mean shift tracking method based on multifeature fusion［J］. Journal of Electronics & Information Technology, 2010,32(2):411415. (in Chinese)
［6］	Wang Yimu, Pan Yun, Yan Xiaolang. An improved colorbased particle filter and its full hardware implementation［J］. Journal of Electronics & Information Technology,2011,33(2):448454. (in Chinese)
［7］	Zhu Mingqing, Wang Zhiling, Chen Zonghai. Human visual intelligence and particle filter based robust object tracking algorithm［J］. Control and Decision, 2012, 27(11):17201724. (in Chinese)
［8］	Zeng Zhihong, Zhou Changle, Lin Kunhui, et al. Visual attention computational model based on tracking target［J］. Computer Engineering, 2008, 34(23):241243. (in Chinese)
［9］	Zhang G, Yuan Z, Zhang N, et al. Visual saliency based on object tracking ［C］∥Proc of the Asian Conference on Computer Vision, 2009:193203.
［10］	Hou Xiaodi,Zhang Liqing.Saliency detection:A spectral residual approach［C］∥Proc of IEEE Conference on Computer Vision and Pattern Recognition (CVPR’07), 2007:18.
［11］	Li Peihua. A novel color based particle filter algorithm for object tracking［J］. Chinese Journal of Computers, 2009, 32(12):24542463. (in Chinese)
	附中文参考文献：
［1］	周尚波,胡鹏,柳玉炯. 基于改进MeanShift与自适应Kalman滤波的视频目标跟踪［J］. 计算机应用, 2010, 30(6):15731576.
［3］	刘清,窦琴,郭建明，等. 基于多特征组合的协方差目标跟踪方法［J］.武汉大学学报(工学版), 2009, 42(4):512515.
［4］	刘献如,蔡自兴. UKF与Mean shift算法相结合的实时目标跟踪［J］. 中南大学学报(自然科学版), 2011, 42(5):13381343.
［5］	李远征,卢朝阳,高全学. 基于多特征融合的均值迁移粒子滤波跟踪算法［J］.电子与信息学报, 2010,32(2):411415.
［6］	王一木,潘赟,严晓浪.基于颜色的粒子滤波算法的改进与全硬件实现［J］.电子与信息学报,2011,33(2):448454.
［7］	朱明清,王智灵,陈宗海. 基于人类视觉智能和粒子滤波的鲁棒目标跟踪算法［J］.控制与决策, 2012, 27(11):17201724.
［8］	曾志宏, 周昌乐, 林坤辉，等. 目标跟踪的视觉注意计算模型［J］. 计算机工程, 2008, 34(23):241243.
［11］	李培华.一种新颖的基于颜色信息的粒子滤波器跟踪算法［J］.计算机学报, 2009, 32(12):24542463.

[1]	刘浩翰, 孙铖, 贺怀清, 惠康华. 基于改进YOLOv3的金属表面缺陷检测[J]. 计算机工程与科学, 2023, 45(07): 1226-1235.
[2]	崔克彬, 崔叶微. 基于卷积和Transformer的断路器动触头跟踪方法研究[J]. 计算机工程与科学, 2023, 45(07): 1236-1244.
[3]	李校林, 王复港, 张鹏飞, 张琳玉, . 基于多尺度特征提取的YOLOv5s算法优化[J]. 计算机工程与科学, 2023, 45(06): 1054-1062.
[4]	邓姗姗, 黄慧, 马燕. 基于改进Faster R-CNN的小目标检测算法[J]. 计算机工程与科学, 2023, 45(05): 869-877.
[5]	霍爱清, 张书涵, 杨玉艳, 胥静蓉, 王泽文. 密集交通场景中改进YOLOv3目标检测优化算法[J]. 计算机工程与科学, 2023, 45(05): 878-884.
[6]	贾志, 李茂军, 李婉婷. 基于改进YOLOv5+DeepSort算法模型的交叉路口车辆实时检测[J]. 计算机工程与科学, 2023, 45(04): 674-682.
[7]	黄星威, 陈曦, 张塑凡. 改进特征金字塔的小目标深度学习模型[J]. 计算机工程与科学, 2023, 45(04): 734-742.
[8]	王冠博, 赵一帆, 李波, 杨俊东, 丁洪伟. 改进YOLO v4-tiny的火焰实时检测[J]. 计算机工程与科学, 2022, 44(12): 2196-2205.
[9]	罗月童, 段昶, 江佩峰, 周波. 一种基于pix2pix改进的工业缺陷数据增强方法[J]. 计算机工程与科学, 2022, 44(12): 2206-2212.
[10]	张海燕, 付应娜, 丁桂江, 孟庆岩. 基于无锚框目标检测算法的多样性感受野注意力特征补偿[J]. 计算机工程与科学, 2022, 44(11): 1995-2002.
[11]	张睿萍, 宁芊, 雷印杰, 陈炳才. 基于改进Mask R-CNN的生活垃圾检测[J]. 计算机工程与科学, 2022, 44(11): 2003-2009.
[12]	喻明毫, 高建瓴. 轻量级水下目标检测器LUDet[J]. 计算机工程与科学, 2022, 44(09): 1638-1645.
[13]	杨冬英, 贺江鹏 . 针对机动目标的改进型交互多模型跟踪算法研究[J]. 计算机工程与科学, 2022, 44(04): 686-691.
[14]	李利荣, 王子炎, 张开, 杨荻椿, 熊炜, 巩朋成, . 基于OSE-dResnet网络的列车底部零件检测算法[J]. 计算机工程与科学, 2022, 44(04): 692-698.
[15]	李静, 何强, 张长伦, 王恒友, . 基于全局注意力的室内人数统计模型[J]. 计算机工程与科学, 2022, 44(03): 471-478.