共查询到20条相似文献,搜索用时 15 毫秒
1.
阐述了基本kalman滤波方法,讨论了针对非线性系统应用的kalman滤波方法的改进形式EKF、UKF。为了增进UKF运算效能,提出了引入衰减系数的滤波形式DCUKF。针对二维平面非匀速运动的目标的精确跟踪定位系统,仿真对比分析了EKF、UKF及DCUKF的滤波计算效果。结果表明DCUKF有更好的滤波效果。 相似文献
2.
3.
应用Kalman滤波原理,对运动目标进行跟踪,缩小目标的搜索范围,实现快速实时跟踪,使跟踪更为准确.理论分析和实验结果表明,该算法与常规的模板匹配法、直方图模板匹配法等算法相比,有效地提高了目标跟踪的速度及跟踪的准确性.该算法对运动目标进行跟踪,运行速度可提高三倍. 相似文献
4.
5.
6.
针对复杂环境下视频目标跟踪精确度低的问题,提 出了一种基于混合迭代无迹粒子滤波(HI-UPF)和关联系数自 适应融合的目标跟踪算法。首先采用统计线性回归的方法对无迹变换进行优化,提出了HI- UPF,不 仅提升了滤波精度,而且有效降低了算法的时间消耗;其次基于关联系数,采用一种自适应 融合方法,实现了加性 融合和乘性融合的自适应切换,并根据关联系数提出一种改进的自适应加性融合方法。仿真 实验表明,本文方法对 于复杂条件下的目标跟踪具有较高的精度和较强的鲁棒性。 相似文献
7.
Camshift算法主要利用物体的颜色信息进行跟踪,在复杂背景条件下容易造成目标的跟丢,且在目标被遮挡时,也容易造成跟踪失效。本文提出了一种改进的Camshift目标跟踪算法。首先将目标图像的HSV模型的三个分量进行加权建立一种新的目标颜色模型,然后由对整帧图像计算反向投影改为比搜索窗口稍大的区域计算反向投影,减少了相似背景的干扰。同时为了解决遮挡问题,结合了Kalman滤波器,有效地预测了目标的位置。实验表明,本算法能够避免背景颜色干扰和解决遮挡问题,实现了对运动目标准确跟踪。 相似文献
8.
9.
10.
在无人机飞行控制系统中,针对无人机采用单一高度传感器测量精度不高以及传统Kalman滤波器易发散的问题,提出一种改进的Kalman滤波融合方法.首先利用ARIMA模型算法对3种传感器的原始测量数据降噪处理,然后利用Kalman滤波算法对降噪后的传感器高度信息实现第一次融合,最后借助递推加权最小二乘法将第一次融合结果与差... 相似文献
11.
新的基于Kalman滤波的跟踪方法 总被引:9,自引:4,他引:5
模板更新策略是匹配跟踪算法成败的关键,为了提高基于模板匹配跟踪算法的性能,在分析多种模板更新算法的基础上,给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体,而是使用Kalman滤波器对模板图像逐像素点进行更新,以得到自适应和最佳的目标模板图像,使匹配跟踪算法的性能得到很大提高,特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。 相似文献
12.
13.
基于空间直方图的CamShift目标跟踪算法 总被引:2,自引:1,他引:1
为了提高在目标被遮挡及目标颜色发生较大变化情况下CamShift算法跟踪的稳健性,文中在目标建模阶段不仅利用了目标的颜色信息,而且还加入了目标的空间信息,建立了"空间直方图",从而提高算法的精确性及抗干扰能力;同时,依据径向距离理论提出了一种新的模板更新策略,进一步增强了算法的鲁棒性.实验结果证明,改进方法是有效的. 相似文献
14.
15.
16.
Blob匹配法应用于多目标时,匹配速度会变慢,而Kalman滤波器可以预测运动目标在下一帧的位置。因此,文章考虑将kalman滤波结合Blob法对目标跟踪进行研究。 相似文献
17.
18.
19.
提高跟踪准确度是雷达发展的重要方向之一,本文通过建立的雷达跟踪模型,从批处理的角度,将多个状态矢量联合进行处理,并改进了量测方程,给出了一种使用序列批处理Kalman滤波(SBKF)以提高雷达跟踪准确度的新手段。通过仿真实验看出,相比传统扩展卡尔曼滤波(EKF)算法,序列批处理Kalman滤波的结果更接近真实值,有更好的收敛性,能得到更加稳定的滤波结果,有效地抑制了量测方程非线性化和野值带来的影响。 相似文献
20.
基于特征融合的粒子滤波目标跟踪新方法 总被引:9,自引:9,他引:0
针对传统粒子滤波(PF)算法采用单一颜色特征建模 跟踪目标性能差的缺陷,提出一种颜色特征与纹理特 征相融合的PF目标跟踪新算法。首先,采用一种具有抗噪声和保护纹理边缘的全局中值二值 模式 (GMBP)纹理算子,对模板图像进行局部差绝对值处理,得到幅 值序列模板,将幅值序列模板内的中值作为模板的阈值,与模板邻域比较获得新的纹理图像 ;然后,与 具有光照不变特性的局部二值模式(LBP)纹理算子结合,形成一种(GMLBP)新的纹理描述算子 。最后,分别计算GMLBP纹理特征粒子权值和HSV颜色特征粒子权 值,并依据权值大小确定融合系数,对纹理特征粒子权值和颜色特征粒子权值进行线 性融合,再对融合后粒子权值进行归一化处理,从而得到目标位置状态的最终估计值。对比 实验结果表明, 相对于单一颜色特征的目标跟踪算法,所提算法捕捉目标位置准确且具有更低的平均跟踪误 差,其平均误差降低了近2倍。 相似文献