[1]顾鹏笠a,周武杰a,b,等.基于颜色和局部二值模式特征的车辆跟踪算法[J].浙江科技学院学报,2018,(06):481-487.[doi:10.3969/j.issn.1671-8798.2018.06.006 ]
　GU Penglia,ZHOU Wujiea,b,et al.Vehicle tracking algorithm based on color features and LBP features[J].,2018,(06):481-487.[doi:10.3969/j.issn.1671-8798.2018.06.006 ]
点击复制

基于颜色和局部二值模式特征的车辆跟踪算法(/HTML)
分享到：

《浙江科技学院学报》[ISSN:1001-3733/CN:61-1062/R]

卷:
期数:
2018年06期
页码:
481-487
栏目:
出版日期:
2018-12-31

文章信息/Info

Title:
Vehicle tracking algorithm based on color features and LBP features
文章编号:
1671-8798(2018)06-0481-07
作者:
顾鹏笠a; 周武杰a; b; 潘婷a
浙江科技学院 a.机械与能源工程学院; b.信息与电子工程学院,杭州 310023
Author(s):
GU Penglia;  ZHOU Wujiea; b;  PAN Tinga
a. School of Mechanical and Energy Engineering; b. School of Information and Electronic Engineering,Zhejiang University of Science and Technology, Hangzhou 310023, Zhejiang,China
关键词:
车辆跟踪;  智能交通;  颜色特征;  局部二值模式
分类号:
TP391.4
DOI:
10.3969/j.issn.1671-8798.2018.06.006
文献标志码:
A
摘要:
针对目前车辆跟踪算法在应对光照变化时不稳定的特点,提出一种基于颜色特征和局部二值模式特征的车辆跟踪算法。即:提取样本的颜色特征和局部二值模式(LBP)特征,用结构化输出支持向量机(SVM)对正负样本进行分类,预测评分值最高的预测样本对应的坐标就是目标车辆所在位置。通过在有光照变化、运动模糊、快速运动等挑战的视频序列中进行仿真试验,表明在光照变化等情况下本文跟踪算法具有较强的鲁棒性。

参考文献/References:

[1] 杜海顺,李嘉宸,魏兆敏,等.基于改进高斯混合模型和卡尔曼滤波的车辆检测与跟踪[J].河南大学学报(自然科学版),2017,47(6):693.
[2] 郭新新,崔爱军,万洪林,等.基于中值滤波和多特征融合的粒子滤波车辆跟踪算法研究[J].山东师范大学学报(自然科学版),2017,32(3):69.
[3] 高鉴.基于模板匹配的视频车辆跟踪算法研究[J].电子技术,2017(7):6.
[4] COMANICIU D, RAMESH V, MEER P. Real-time tracking of non-rigid objects using mean shift[C]//Proceedings IEEE Conference on Computer Vision and Pattern Recognition. Hilton:IEEE, 2000:142.
[5] VOJIR T, NOSKOVA J, Matas J. Robust scale-adaptive mean-shift for tracking[J]. Pattern Recognition Letters, 2014, 49:250.
[6] ROSS D A, LIM J, LIN R S, et al. Incremental learning for robust visual tracking[J]. International Journal of Computer Vision, 2008, 77(1/2/3):125.
[7] MEI X, LING H. Robust visual tracking and vehicle classification via sparse representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011, 33(11):2259.
[8] WRIGHT J, YANG A Y, GANESH A, et al. Robust face recognition via sparse representation[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2009, 31(2):210.
[9] KALAL Z, MIKOLAJCZYK K, MATAS J. Tracking-learning-detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2012, 34(7):1409.
[10] HARE S, GOLODETZ S, SAFFARI A, et al. Struck: structured output tracking with kernels[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(10):2096.
[11] WANG N, SHI J, YEUNG D Y, et al. Understanding and diagnosing visual tracking systems[C]//2015 IEEE International Conference on Computer Vision.Santiago:IEEE, 2015:3101.
[12] 李沫,李晶,赵鹏飞,等.一种改进的粒子滤波视觉跟踪算法[J].光学与光电技术,2017,15(4):72.
[13] 朱文佳,金强,余烨.颜色与纹理自适应融合的粒子滤波跟踪算法[J].合肥工业大学学报(自然科学版),2017,40(8):1053.
[14] OJALA T, PIETIKAÄINEN M, MÄENPAA T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7):976.
[15] 李闻,刘陶唐.局部二值模式算法及其人脸识别应用[J].山西农经,2017(18):125.
[16] 高聪,王福龙.局部HOG和分层LBP特征融合的车牌字符识别[J].计算机系统应用,2017,26(4):116.
[17] WU Y, LIM J, YANG M H. Online object tracking: a benchmark[C]//2013 IEEE Conference on Computer Vision and Pattern Recognition.Porland: IEEE, 2013:2411.
[18] ZHANG K, ZHANG L, YANG M H. Real-time compressive tracking[C]//12th European Conference on Computer Vision. Florence:Springer,2012: 864.

备注/Memo

备注/Memo:
收稿日期: 2018-04-09
基金项目: 国家自然科学基金项目(61502429); 浙江省自然科学基金项目(LY18F020012); 浙江科技学院研究生科研创新基金项目(2017YJSKC004)
通信作者: 周武杰(1983— ),男,浙江省临海人,副教授,博士,主要从事计算机视觉与模式识别、深度学习研究。E-mail:wujiezhou@163.com。
更新日期/Last Update: 1900-01-01