共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
针对Camshift算法应用于NAO机器人目标跟踪过程中,当目标受到相似颜色背景干扰或被物体遮挡时跟踪失败的问题,提出一种基于ORB特征检测和Kalman滤波多算法结合的目标跟踪方法。首先检测目标ORB特征点初始化搜索窗口,然后利用Kalman滤波作为目标运动状态的预测机制,以预测的位置初始化Camshift算法。利用Bhattacharyya距离判断跟踪窗口的收敛性,若受到背景干扰,则利用ORB算法对当前帧中的Kalman预测区域和目标模型进行特征点匹配,重新检测目标在视频帧中的位置。根据Kalman滤波预测目标被物体遮挡后可能的位置来更新预测器参数。实验结果表明,改进的算法能够在相似颜色背景干扰和目标遮挡的复杂环境下,连续稳定地跟踪运动目标。 相似文献
3.
目前在远景刚性目标的跟踪中,由于长序列图像具有亮度动态范围大及背景噪声大的特点,当前模板的尺寸和位置往往不能有效代表目标,从而使目标的预测和相关搜索产生误差累积;另外,Kalman预测常因过程噪声与模型不匹配使其对机动目标跟踪适应性差.对上述问题进行研究提出了一种基于区域增长的模板修正方法,并对Kalman预测中过程噪声自适应的方法进行了仿真.结果表明,这种新的模板修正方法具有良好的尺寸及位置自适应能力和抗背景噪声能力,而且过程噪声的自适应也有效提高了Kalman预测的准确度,对目标跟踪具有指导作用. 相似文献
4.
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
5.
针对复杂背景下多运动目标的跟踪方法不能有效解决遮挡和高速运动等问题,提出一种Kalman预测与点模式匹配相结合的多目标跟踪方法。利用Kalman滤波预测目标在下一帧图像中的位置,以此位置为中心确定目标搜索区域,然后以点模式匹配进行搜索区域和目标模板进行匹配,有效地解决目标的旋转和轻微的遮挡问题。为了提高匹配速度和实时性,在点模式匹配中利用Kalman滤波对目标旋转角度的预测与修正;同时为了保证跟踪的鲁棒性、连续性及准确性,对目标模板的更新采用置信度二级判决门限。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。 相似文献
6.
7.
为解决红外图像序列中运动目标的快速检测问题,提出一种结合目标的不变矩与红外特征的新的特征量,利用图像序列中目标运动的连续性,在匹配的过程中采用Kalman预测滤波来估计目标下一帧的位置,从而形成完整的运动目标的检测算法.该算法既能利用不变矩的仿射不变性,又能对红外目标的辐射特性进行全面的综合描述,准确地实现目标的相关匹配;此外,引入Kalman预测滤波不仅能够迅速准确地进行目标匹配,并且在目标出现遮挡、丢失的情况下可应用预测对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.实验结果表明该算法能够达到目标检测的准确性和实时性要求. 相似文献
8.
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
9.
10.
针对传统CAMShift算法,在颜色相似干扰、目标快速运动等复杂背景中跟踪目标丢失的问题,提出一种结合Kalman滤波和LBP纹理的CAMShift改进算法。为了验证提出算法的合理性,使用农田作业机械安装的摄像头实现图像的动态采集,选取图像中的特定目标作为目标模板,采用Kalman滤波器预测下一帧特定目标的位置区域,用改进LBP算法的纹理特征与色彩概率分布图进行相与运算,将得到的结果应用到特定目标跟踪中。实验结果表明,改进后的算法在跟踪特定目标方面具有较高的准确性和鲁棒性。 相似文献