Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Các prior chuyển động cho theo dõi đối tượng nhiều mục tiêu
Tóm tắt
Bài viết này mô tả một chiến lược nguyên bản để nâng cao các bộ theo dõi hiện tại thông qua việc sử dụng các prior chuyển động, được xây dựng dưới dạng mô hình chuyển động xác suất dựa trên dữ liệu cho các mục tiêu di chuyển. Các prior của chúng tôi có dạng đơn giản và có thể thay thế một cách có lợi cho các mô hình truyền thống hơn, chẳng hạn như mô hình vận tốc không đổi hoặc mô hình gia tốc không đổi, là những mô hình được sử dụng phổ biến trong các hệ thống theo dõi hình ảnh, nhưng cũng có nguy cơ thất bại khi xử lý các ràng buộc liên quan đến cảnh quan đối với chuyển động của mục tiêu. Những prior này được học dựa trên chuyển động cục bộ quan sát trong các luồng video và, do việc đại diện thu được có thể chưa đầy đủ và có tiếng ồn, chúng tôi tiến hành điều chỉnh trong một giai đoạn thứ hai. Các prior chuyển động rời rạc-kết hợp sau đó được sử dụng trong hai phương pháp theo dõi đối tượng cổ điển: (1) như một phân phối lấy mẫu trong khuôn khổ bộ lọc hạt và (2) như một prior trọng số trong khuôn khổ dựa trên phát hiện. Đối với cả hai phương pháp theo dõi, chúng tôi trình bày những kết quả hứa hẹn với phương pháp prior chuyển động của chúng tôi, trên các bộ dữ liệu tham chiếu cổ điển từ tài liệu theo dõi giám sát hình ảnh.
Từ khóa
#prior chuyển động #theo dõi đối tượng #phân phối xác suất #mô hình chuyển động #lọc hạt #phát hiện mục tiêuTài liệu tham khảo
Open source computer vision (opencv). URL http://opencv.willowgarage.com
IEEE international workshop on performance evaluation of tracking and surveillance (PETS’2006). URL http://www.cvg.rdg.ac.uk/PETS2006/data.html (2006)
IEEE international workshop on performance evaluation of tracking and surveillance (PETS’2009). URL http://www.pets2009.net (2009)
Ali, S., Shah, M.: Floor fields for tracking in high density crowd scenes. In: Proceedings of the European conference on computer vision (ECCV), pp. 1–14 (2008)
Ben Shitrit, H., Berclaz, J., Fleuret, F., Fua, P.: Tracking multiple people under global appearance constraints. In: IEEE international conference on computer vision (ICCV), pp. 137–144 (2011)
Bennewitz, M., Burgard, W., Cielniak, G., Thrun, S.: Learning motion patterns of people for compliant robot motion. Int. J. Robotics Res. 24, 31–48 (2005)
Berclaz, J., Fleuret, F., Fua, P.: Multi-camera tracking and atypical motion detection with behavioral maps. In: Proceedings of the European conference on computer vision (ECCV), pp. 112–125 (2008)
Berclaz, J., Fleuret, F., Turetken, E., Fua, P.: Multiple object tracking using K-shortest paths optimization. IEEE Trans. Pattern Anal. Mach. Intell. 33(9), 1806–1819 (2011)
Bouguet, J.: Pyramidal implementation of the Lucas Kanade feature tracker description of the algorithm. Intel Corporation Microprocessor Research Labs. Technical report (1999)
Butt, A.A., Collins, R.T.: Multi-target Tracking by Lagrangian Relaxation to Min-cost Network Flow. In: IEEE conference on computer vision and pattern recognition (CVPR), pp. 1846–1853 (2013)
Collins, R.T.: Multitarget data association with higher-order motion models. In: IEEE conference on computer vision and pattern recognition (CVPR), pp. 1744–1751 (2012)
Ferryman, J., Ellis, A.L.: Performance evaluation of crowd image analysis using the PETS2009 dataset. Pattern Recognit. Lett. 44, 3–15 (2014)
Fleuret, F., Berclaz, J., Lengagne, R., Fua, P.: Multicamera people tracking with a probabilistic occupancy map. IEEE Trans. Pattern Anal. Mach. Intell. 30(2), 267–282 (2008)
Hernandez-Lopez, F., Rivera, M.: Binary segmentation of video sequences in real time. In: Proceedings of the international conference on Mexican international conference on artificial intelligence (MICAI), pp. 163–168 (2010)
Hu, W.M., Hu, M., Zhou, X., Tan, T.N., Lou, J., Maybank, S.J.: Principal axis-based correspondence between multiple cameras for people tracking. IEEE Trans. Pattern Anal. Mach. Intell. 27(4), 663–671 (2006)
Isard, M., Blake, A.: Condensation—conditional density propagation for visual tracking. Int. J. Comput. Vis. 29(2), 5–28 (1998)
Joshi, K.A., Thakore, D.G.: A survey on moving object detection and tracking in video surveillance system. Int. J. Soft Comput. Eng. 2(3), 44–48 (2012)
Kang, J., Cohen, I., Medioni, G.: Tracking people in crowded scenes across multiple cameras. Asian Conf. Comput. Vis. (ACCV) 1, 390–395 (2004)
Kasturi, R., Goldgof, D., Soundararajan, P., Manohar, V., Garofolo, J., Bowers, R., Boonstra, M., Korzhova, V., Zhang, J.: Framework for performance evaluation of face, text, and vehicle detection and tracking in video: data, metrics, and protocol. IEEE Trans. Pattern Anal. Mach. Intell. 31(2), 319–336 (2009)
Kuo, C.H., Huang, C., Nevatia, R.: Multi-target tracking by on-line learned discriminative appearance models. In: Proceedings of the IEEE conference on computer vision and pattern recognition (CVPR), pp. 685–692 (2010)
Leibe, B., Schindler, K., Gool, L.V.: Coupled detection and trajectory estimation for multi-object tracking. In: Proceedings of the international conference on computer vision (ICCV), pp. 1–8 (2007)
Li, X., Hu, W., Shen, C., Zhang, Z., Dick, A., van den Hengel, A.: A survey of appearance models in visual object tracking. ACM Trans. Intell. Syst. Technol. 4(4), 1–48 (2013). doi:10.1145/2508037.2508039
Madrigal, F., Hayet, J.B.: Multiple view, multiple target tracking with principal axis-based. In: IEEE international conference on advanced video and signal-based surveillance (AVSS), pp. 185–190 (2011)
Madrigal, F., Rivera, M., Hayet, J.: Learning and regularizing motion models for enhancing particle filter-based target tracking. In: Proceedings of Pacific-Rim symposium image and video technology (PSIVT), vol. 2, pp. 287–298 (2011)
Nocedal, J., Wright, S.J.: Numerical Optimization. Springer, NY (2006)
Nummiaro, K., Koller-Meier, E., Svoboda, T., Roth, D., Van Gool, L.: Color-based object tracking in multi-cameras environment. In: DAGM-symposium, pp. 591–599 (2003)
Odobez, J., Gatica-Perez, D.: Embedding motion in model-based stochastic tracking. In: Proceedings of the international conference on pattern recognition (ICPR), pp. 1–14 (2004)
Pérez, P., Hue, C., Vermaak, J., Gangnet, M.: Color-based probabilistic tracking. In: European conference on computer vision (ECCV), pp. 661–675 (2002)
Perez, P., Vermaak, J., Blake, A.: Data fusion for visual tracking with particles. Proc. IEEE 92(3), 495–513 (2004)
Rivera, M., Dalmau, O., Mio, W., Ramirez-Manzanares, A.: Spatial sampling for image segmentation. Comput. J. 55(3), 313–324 (2012)
Shi, J., Tomasi, C.: Good features to track. In: International conference on computer vision and pattern recognition (CVPR), pp. 593–600 (1994)
Yilmaz, A., Javed, O., Shah, M.: Object tracking: a survey. ACM Comput. Surv. 38(4), 45 (2006)