informИнформатикаInformatics1816-03012617-6963UIIP NASBinform-16Research ArticleОБРАБОТКА СИГНАЛОВ, ИЗОБРАЖЕНИЙ, РЕЧИ, ТЕКСТА И РАСПОЗНАВАНИЕ ОБРАЗОВSIGNAL, IMAGE, SPEECH, TEXT PROCESSING AND PATTERN RECOGNITIONОТСЛЕЖИВАНИЕ ОБЪЕКТОВ НА ОСНОВЕ СРАВНЕНИЯ ГИСТОГРАММ ЦВЕТАOBJECT TRACKING VIA COMPARISON OF COLOR HISTOGRAMSЗалесскийБ. А.ZaleskyB. A.zalesky@newman.bas-net.byСерединЭ. Н.SeredinE. N.eduard.seredin@tut.byЯдловскийН. В.YadlouskiM. V.Объединенный институт проблем информатики НАН БеларусиBelarus201527092016022230Copyright © Залесский Б.А., Середин Э.Н., Ядловский Н.В., 20162016Залесский Б.А., Середин Э.Н., Ядловский Н.В.Zalesky B.A., Seredin E.N., Yadlouski M.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://inf.grid.by/jour/article/view/16

Предлагаются три версии гистограммного алгоритма отслеживания объектов на видеопоследовательностях, снятых нестабилизированной камерой. Версии основываются на сравнении с помощью критерия Баттачариа гистограмм цвета областей кадров либо гистограмм цвета пар ближайших пикселов областей кадров, которые могут рассматриваться как частный случай матриц встречаемости. Использование технологии программирования видеокарты CUDA позволяет добиться выполнения версий в режиме реального времени. Проводится сравнение модифицированного алгоритма с хорошо известным алгоритмом среднего сдвига, основанным на линейном приближении критерия Баттачариа. На основе экспериментов показывается, что модификации алгоритма являются более точными и надежными по сравнению с алгоритмом среднего сдвига, хотя и требуют большего объема вычислений. Проводится сравнение предложенных версий с корреляционными алгоритмами.

Three versions of a histogram algorithm for tracking objects on video sequences made by an unstable camera are presented. Local color 1D-histograms of pixels and local color 2D-histograms of pairs of adjacent pixels are used in all versions as region features. The histograms are compared by the Bhattacharia criterion. А parallel computing platform CUDA, developed to program GPUs, allows creation of real time or near-real time program realizations of the offered versions. Results of comparison of the versions with the known mean shift algorithm and correlation type algorithms are also presented. It is shown by experiments that the versions are more accurate and reliable than the mean shift algorithm, which estimates similarity of linear approximations of local histograms, and more robust with respect to the video quality than the correlation algorithms.

ReferencesCheng, Y. Mean shift, mode seeking, and clustering / Y. Cheng // IEEE Trans. on Pattern Analysis and Machine Intelligence. – 1998. – № 17(8). – P. 790–799.Cheng, Y. Mean shift, mode seeking, and clustering / Y. Cheng // IEEE Trans. on Pattern Analysis and Machine Intelligence. – 1998. – № 17(8). – P. 790–799.Yilmaz, A. Object tracking: A survey / A. Yilmaz, O. Javed, M. Shah // ACM Computing Surveys. – 2006. – Vol. 38, № 4. – 45 р.Yilmaz, A. Object tracking: A survey / A. Yilmaz, O. Javed, M. Shah // ACM Computing Surveys. – 2006. – Vol. 38, № 4. – 45 р.Marimon, D. Orientation histogram-based matching for region tracking / D. Marimon, T. Ebrahimi // Proc. 8th Intern. Workshop on Image Analysis for Multimedia Interactive Services WIAMIS. – Santorini, 2007. – P. 8–12.Marimon, D. Orientation histogram-based matching for region tracking / D. Marimon, T. Ebrahimi // Proc. 8th Intern. Workshop on Image Analysis for Multimedia Interactive Services WIAMIS. – Santorini, 2007. – P. 8–12.Lowe, D. Object recognition from local scale invariant features / D. Lowe // Proc. Intern. Conf. on Computer Vision ICCV. – Corfu, 1999. – P. 1150–1157.5. Bay, H. Surf: Speeded up robust features / H. Bay, T. Tuytelaars, L. Van Gool // Proc. 9th Europ. Conf. on Computer Vision ECCV. – Graz, 2006. – P. 404–417.Lowe, D. Object recognition from local scale invariant features / D. Lowe // Proc. Intern. Conf. on Computer Vision ICCV. – Corfu, 1999. – P. 1150–1157.5. Bay, H. Surf: Speeded up robust features / H. Bay, T. Tuytelaars, L. Van Gool // Proc. 9th Europ. Conf. on Computer Vision ECCV. – Graz, 2006. – P. 404–417.Altmann, J. A Fast Correlation Method for Scale-and Translation-Invariant Pattern Recognition / J. Altmann, H.J. Reitböck // IEEE Trans. Pattern Anal. Mach. Intell. – 1984. – Vol. 6, № 1. – P. 46–57.Altmann, J. A Fast Correlation Method for Scale-and Translation-Invariant Pattern Recognition / J. Altmann, H.J. Reitböck // IEEE Trans. Pattern Anal. Mach. Intell. – 1984. – Vol. 6, № 1. – P. 46–57.Object Tracking by Particle Filtering Techniques in Video Sequences / L. Mihaylova [et al.] // Advances and Challenges in Multisensor Data and Information. NATO Security Through Science Series. – Netherlands : IOS Press, 2007. – P. 260–268.Object Tracking by Particle Filtering Techniques in Video Sequences / L. Mihaylova [et al.] // Advances and Challenges in Multisensor Data and Information. NATO Security Through Science Series. – Netherlands : IOS Press, 2007. – P. 260–268.Haralick, R.M. Textural Features for Image Classification / R.M. Haralick, K. Shanmugam, I. Dinstein // IEEE Transactions on Systems, Man, and Cybernetics. – 1973. – № 6. – P. 610–621.Haralick, R.M. Textural Features for Image Classification / R.M. Haralick, K. Shanmugam, I. Dinstein // IEEE Transactions on Systems, Man, and Cybernetics. – 1973. – № 6. – P. 610–621.Comaniciu, D. Real-Time Tracking of Non-Rigid Objects using Mean Shift // D. Comaniciu, V. Ramesh, P. Meer // Proc. IEEE Conf. on Computer Vision and Pattern Recognition, CVPR. – Hilton Head Island, 2000. – Vol. 2. – P. 142–149.Comaniciu, D. Real-Time Tracking of Non-Rigid Objects using Mean Shift // D. Comaniciu, V. Ramesh, P. Meer // Proc. IEEE Conf. on Computer Vision and Pattern Recognition, CVPR. – Hilton Head Island, 2000. – Vol. 2. – P. 142–149.Афифи, А. Статистический анализ / А. Афифи, С. Эйзен. – М. : Мир, 1982. – 488 с.Афифи, А. Статистический анализ / А. Афифи, С. Эйзен. – М. : Мир, 1982. – 488 с.Zalesky, B.A. Real Time Object Tracking Algorithm / B.A. Zalesky, E.N. Seredin // Intern. Congress on Computer Science: Information Systems and Technologies, CSIST 2013. – Minsk, 2013. – P. 500–504.Zalesky, B.A. Real Time Object Tracking Algorithm / B.A. Zalesky, E.N. Seredin // Intern. Congress on Computer Science: Information Systems and Technologies, CSIST 2013. – Minsk, 2013. – P. 500–504.

The authors declare that there are no conflicts of interest present.