Kalman滤波融合优化MeanShift的目标跟踪探讨_第1页
Kalman滤波融合优化MeanShift的目标跟踪探讨_第2页
Kalman滤波融合优化MeanShift的目标跟踪探讨_第3页
Kalman滤波融合优化MeanShift的目标跟踪探讨_第4页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、kalman滤波融合优化mean shift的目标跟踪探讨摘要：mean shift目标跟踪算法具有简单稳定 的特性，因此被广泛地应用于目标跟踪实际行动中， 但同时也存在一定的局限性，在被跟踪目标和目标所在背景的颜色比较接近、目标正在快速运动或者存在较大比例遮蔽物遮挡目标时,mean shift目标跟踪算法由于缺少相应的空间信息，经常导致无法识别相似 度量函数，使跟踪任务失败。为了避免这些情况的发 生，提高目标跟踪效率，文章根据mean shift算法在空间颜色以及相似度量方面的缺陷，提岀了 kalman 滤波和mean shift算法融合的优化目标跟踪方法，即 使用kalman滤波根据目标运

2、动状态确定mean shift目标跟踪算法的初始跟踪位置，然后搜索邻近区域内 的目标位置并建立目标模型，最后根据相似系数匹配 确定最终位置，如此迭代，以达到准确跟踪运动目标 的目的。关键词：kalman滤波；mean shift算法；融合优 化；目标跟踪；目标运动状态突变引言为了提升目标跟踪效果，文章结合这两种目标跟踪算法的优缺点进行实验分析，提出了 kalman滤波融 合优化mean shift的目标跟踪算法，解决了目标跟踪 中目标遮挡、速度过快、背景变化等情况造成的无法 跟踪问题。1 mean shift目标跟踪算法mean shift目标跟踪算法是一个利用均值漂移向 量对目标进行迭代跟踪

3、，通过核函数颜色直方图建模 描述目标特征，同时使用相似性函数度量被跟踪运动 目标模型和当前帧候选模型相似性，比对相似性函数 大小确定目标的mean shift向量，进而通过不断迭代计算确定目标实际位置，以达到跟踪目的的过程。整 个过程可以分为四大阶段：1.1目标模型的描述首先，确立目标模型需要建立一个目标模型的坐标系。假设xo为目标模型的中心坐标，并规定xi, i=l, 2, , n为其各像素坐标位置集合，m为核函数颜色 直方图特征个数，概率特征为u,则可建立目标模型 表达式。当用一个单调递减的各向同性凸核函数k(x) 对目标模型各点进行加权时，由于靠近边界的像素值 非常容易被背景干扰或者被遮

4、蔽物遮挡等原因，离目 标模板中心距离越近的位置的像素点权重越大，而目 标像素位置与模型中心距离越远所受的影响越小。1.2候选目标模型的描述mean shift算法是通过迭代的方式进行目标跟踪的，迭代起始于候选区域，即当前帧的后一帧图像中 原来目标所在区域，而候选目标模型即为在候选区域 所得的目标核直方图特征。我们可以采用与建立目标 模型表达式同样的方式建立候选目标模型计算表达式, 然后进行相应的计算分析。1.3相似性函数相似形函数是用来将前后两帧目标模型图像与候选目标模型图像进行比较重要关键数据。通常使用bhattacharyya系数来进行相似度描述，该系数范围在 01之间，数值越大表明目标图像与候选目标图像越 相似，证明两个图像离散分布间的距离越小。1.4目标定位mean shift算法是通过反复

人人文库> 全部分类> 生活休闲 > 科普知识

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论