基于模板匹配及区域信息融合提取的快速目标跟踪算法

J4 ›› 2016, Vol. 38 ›› Issue (3): 534-541.

基于模板匹配及区域信息融合提取的快速目标跟踪算法

刘李漫1，张治国2，满征瑞2

（1.中南民族大学生物医学工程学院，湖北武汉 430074；2.华中科技大学自动化学院，湖北武汉 430074）

收稿日期:2015-06-18 修回日期:2015-08-17 出版日期:2016-03-25 发布日期:2016-03-25
基金资助:
国家自然科学基金（61305044,61105006）；高校博士点基金（20130144120004）

A fast object tracking algorithm based on template
matching and region information fusion extraction

LIU Liman1,ZHANG Zhiguo2,MAN Zhengrui2

(1.School of Biomedical Engineering,SouthCentral University for Nationalities,Wuhan 430074;
2.School of Automation,Huazhong University of Science and Technology,Wuhan 430074,China)

Received:2015-06-18 Revised:2015-08-17 Online:2016-03-25 Published:2016-03-25

摘要/Abstract

摘要：

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型，预测下一帧中目标候选区域，从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配，同时，提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型，从而能够减少目标的搜索范围，降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域，剔除了部分相似的匹配窗口，从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点，能够增强目标跟踪过程准确度。由于加入了目标的区域信息，对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明，本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。

关键词: 目标跟踪, 信息融合, 模板匹配, 团块分析

Abstract:

In this paper, we propose a fast object tracking algorithm based on template matching and region information fusion extraction. The method reduces the search candidates based on the prediction framework. Besides, the region information of the object is extracted to assist templatebased object tracking. The prediction model also reduces the computational complexity of object tracking tasks while the object region information improves the accuracy of object tracking tasks. The proposal combines the advantages of the object template and the object information extraction, thus improving the accuracy of object tracking. The tracking shift and object occlusion are handled using the object motion information and object region information. Experimental results show that the proposed algorithm has robust performance when tracking drifting and blocked objects.

Key words: object tracking;information fusion;template matching;block analysis

刘李漫1，张治国2，满征瑞2. 基于模板匹配及区域信息融合提取的快速目标跟踪算法[J]. J4, 2016, 38(3): 534-541.

LIU Liman1,ZHANG Zhiguo2,MAN Zhengrui2. A fast object tracking algorithm based on template
matching and region information fusion extraction [J]. J4, 2016, 38(3): 534-541.

[1]	李瑞红, 李晓红, 姚锦, 王闪闪. 基于双通道异质超图神经网络的引文推荐方法[J]. 计算机工程与科学, 2025, 47(2): 361-369.
[2]	李豪. 一种基于孪生网络的目标轮廓跟踪方法[J]. 计算机工程与科学, 2024, 46(12): 2215-2226.
[3]	李波, 王健, 李佳瑜, 卢哲俊. 基于Gamma分布贝叶斯RCS估计的多目标跟踪算法[J]. 计算机工程与科学, 2024, 46(11): 2007-2016.
[4]	马玉民, 钱育蓉, 周伟航, 公维军, 帕力旦·吐尔逊. 基于孪生网络的目标跟踪算法综述[J]. 计算机工程与科学, 2023, 45(9): 1578-1592.
[5]	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(7): 1236-1244.
[6]	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(4): 686-691.
[7]	冯琪堯, 张惊雷, . 基于混合注意力机制的目标跟踪算法[J]. 计算机工程与科学, 2022, 44(2): 276-282.
[8]	蔡雨岐, 郭卫斌. 基于多级语义信息融合编码的序列标注方法[J]. 计算机工程与科学, 2022, 44(12): 2266-2272.
[9]	方梦华, 姜添, . 基于无监督学习的无人机目标跟踪[J]. 计算机工程与科学, 2021, 43(6): 1024-1031.
[10]	李彬, 喻夏琼, 王平, 傅瑞罡, 张虹. 基于深度学习的单幅图像超分辨率重建综述[J]. 计算机工程与科学, 2021, 43(1): 112-124.
[11]	徐亮, 张江, 张晶, 杨亚琦. 基于VGG网络的鲁棒目标跟踪算法[J]. 计算机工程与科学, 2020, 42(8): 1406-1413.
[12]	李星辰，柳晓鸣，成晓男. 融合YOLO检测的多目标跟踪算法[J]. 计算机工程与科学, 2020, 42(4): 665-672.
[13]	张晓丽, 张龙信, 肖满生, 左国才. 快速多域卷积神经网络和光流法融合的目标跟踪[J]. 计算机工程与科学, 2020, 42(12): 2217-2222.
[14]	宁珊, 严馨, 徐广义, 周枫 , 张磊, . 融合关键词的中文新闻文本摘要生成[J]. 计算机工程与科学, 2020, 42(12): 2265-2272.
[15]	火元莲，曹鹏飞，董俊松，石明. 基于融合特征的多尺度快速相关滤波跟踪算法[J]. 计算机工程与科学, 2019, 41(3): 559-566.