Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Learning Convolutional Ranking-Score Function by Query Preference Regularization Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

A Robust Object Tracking Method Based on CamShift for UAV Videos

verfasst von : Chang Zhao, Jiabin Yuan, Huiting Zheng

Erschienen in: Intelligent Data Engineering and Automated Learning – IDEAL 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Unmanned aerial vehicles (UAVs) equipped with monitoring systems have played an important role in various fields in recent years. An object tracking algorithm is necessary in order to process information in the wide range of UAV videos. CamShift algorithm is outstanding as its efficient pattern matching and fast convergence. This paper presents an excellent method based on CamShift to implement precise target tracking in UAV videos. This method integrates multi-feature fusion (MF), CamShift, and Kalman filter (KF) called the MF-KF-Camshift algorithm. Experimental results show that the method achieves great performance in dealing with different scenes and meets the real-time requirements.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Community Detection Algorithm Based on Jaccard Similarity Label Propagation
Nächstes Kapitel Multi-output LSSVM-Based Forecasting Model for Mid-Term Interval Load Optimized by SOA and Fresh Degree Function
Literatur
1.
Wu, X., Shi, Z., Zhong, Y.: An overview of vision-based UAV navigation. J. Syst. Simul. A01, 62–65 (2010)
2.
Fang, P., Jianjiang, L., Tian, Y., Miao, Z.: An improved object tracking method in UAV videos. Procedia Eng. 15, 634–638 (2011)CrossRef
3.
Luzanov, Y., Howlett, T., Robertson, M.: Real-time template based tracking with global motion compensation in UAV video. In: Proceedings of the Second International Conference on Computer Vision Theory and Applications, Visapp 2007, Barcelona, Spain, March, pp. 515–518 (2007)
4.
Sun, W., Li, D., Jia, W., Li, P., Zhao, C., Chen, X.: Small moving object tracking in dynamic video. In: 2015 International Conference on Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP), pp. 239–242. IEEE (2015)
5.
Yu, W., Yin, X., Chen, B., Xie, J.: Object tracking with particle filter in UAV video. In: Eighth International Symposium on Multispectral Image Processing and Pattern Recognition, p. 891810. International Society for Optics and Photonics (2013)
6.
Zhang, T., Yang, Z., Zhang, X., Shen, Y.: A vision system for multi-rotor aircraft to track moving object. In: 2016 IEEE Chinese Guidance, Navigation and Control Conference (CGNCC), pp. 401–406. IEEE (2016)
7.
Qian, Y., Xie, Q.: Camshift and Kalman predicting based on moving target tracking. Comput. Eng. Sci. 8, 023 (2010)
8.
Zhang, S., Zhou, H., Jiang, F., Li, X.: Robust visual tracking using structurally random projection and weighted least squares. IEEE Trans. Circuits Syst. Video Technol. 25(11), 1749–1760 (2015)CrossRef
9.
Zhang, S., Zhou, H., Yao, H., Zhang, Y., Wang, K., Zhang, J.: Adaptive normalhedge for robust visual tracking. Sig. Process. 110, 132–142 (2015)CrossRef
10.
Liu, Y., Li, X.: A survey of target detection and tracking methods in UAV aerial video. Aircr. Navig. Missiles 9, 53–56 (2016)
11.
Comaniciu, D., Ramesh, V., Meer, P.: Real-time tracking of non-rigid objects using mean shift. In: Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, 2000, vol. 2, pp. 142–149. IEEE (2000)
12.
Zhou, H., Yuan, Y., Shi, C.: Object tracking using sift features and mean shift. Comput. Vis. Image Underst. 113(3), 345–352 (2009)CrossRef
13.
Lebourgeois, F., Drira, F., Gaceb, D., Duong, J.: Fast integral meanshift: application to color segmentation of document images. In: 2013 12th International Conference on Document Analysis and Recognition (ICDAR), pp. 52–56. IEEE (2013)
14.
Huang, D., Lin, Z., Yao, J., Guo, T.: Monocular gesture tracking based on adaptive extraction and improved CamShift. In: Video Engineering (2016)
15.
Doyle, D.D.: Real-time, multiple, pan/tilt/zoom, computer vision tracking, and 3d position estimating system for small unmanned aircraft system metrology. Dissertations & Theses - Gradworks (2013)
16.
Xu, K., He, L., Wang, W.: Adaptive color space target tracking algorithm based on CamShift. Comput. Appl. 29(3), 757–760 (2009)
Metadaten
Titel
A Robust Object Tracking Method Based on CamShift for UAV Videos
verfasst von
Chang Zhao
Jiabin Yuan
Huiting Zheng
Copyright-Jahr
2017
Buch
Intelligent Data Engineering and Automated Learning – IDEAL 2017

Print ISBN: 978-3-319-68934-0

Electronic ISBN: 978-3-319-68935-7

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-3-319-68935-7_7

Premium Partner

    Bildnachweise