共查询到19条相似文献,搜索用时 171 毫秒
1.
研究了运动目标检测与跟踪的 DSP(Digital Signal Processor)实现算法,以形心跟踪算法为整个处理系统的核心.采用目标形心跟踪算法,通过目标分割阶段的目标标记,如目标面积、周长、形心位置等信息的提取建立目标跟踪波门,实现目标的连续跟踪,并将此算法移植到 SEED—VPM642硬件平台,实验结果表明能够达到预定目标.此外,为了克服形心算法的准确性和实时性缺陷,采用粒子滤波对算法进行必要的扩展,从 MATLAB 的仿真结果看,除个别采样点存在误差较大的情况,真实值曲线与粒子滤波跟踪曲线拟合较好 相似文献
2.
为了提高目标跟踪过程中粒子滤波结果的精度,将边缘粒子滤波算法应用于目标跟踪。首先将目标运动状态向量划分为线性和非线性两个子向量,然后,采用卡尔曼滤波方法处理线性状态子向量,采用粒子滤波方法处理非线性状态子向量。使用边缘粒子滤波算法和标准粒子滤波算法对目标进行跟踪仿真。仿真结果表明:将边缘粒子滤波算法应用在目标跟踪过程中,能够取得更高的跟踪精度;时间复杂度增加仅6%;在粒子数相对较少的条件下,仍能够保持较好的滤波性能。 相似文献
3.
4.
5.
基于粒子滤波的检测前跟踪算法是当前连续帧图像中弱目标检测与跟踪的研究热点。鉴于已有研究成果中缺少针对粒子滤波检测前跟踪的机理研究,在Bayes推理框架内,分析了检测前跟踪基于累积观测似然比检测弱目标的原理。在理论上推导了Bayes检测前跟踪递归累积观测数据来实现弱目标检测与跟踪的过程,分析验证了采用粒子滤波过程中未归一化粒子权重实现该过程的机理,并基于该机理实现了一种粒子滤波检测前跟踪算法。仿真试验验证了理论分析的正确性和文中粒子滤波检测前跟踪算法的有效性。 相似文献
6.
粒子滤波方法是一种针对非刚性目标运动跟踪的有效工具。运用基于贝叶斯估计的粒子滤波算法,对复杂的运动背景下目标移动进行跟踪。论述了贝叶斯估计理论,推导粒子滤波过程,并将状态粒子决定的区域所对应的色彩直方图用作测量,与目标参考直方图相比较,得出最佳的后验估计。运用窗口粒子平均方法确定目标的坐标,实现跟踪。算法采用单目标以及多目标序列图象进行跟踪实验,并与均值移动(mean-shift)跟踪算法结果进行比较,证明该跟踪算法更为有效。 相似文献
7.
提出一种基于混合粒子滤波的运动火焰跟踪算法。针对通用粒子滤波算法计算量大的问题,提出了混合粒子滤波,将Mean Shift算法嵌入到粒子滤波中,并用自适应运动模型和目标模型自动更新的策略改善算法性能。基于混合粒子滤波提出了火焰识别和火焰跟踪相结合的运动火焰自动跟踪算法,先火焰识别,再火焰跟踪,且跟踪时,如果估计目标与模型的相似度小于阈值则切换到火焰识别阶段。识别与跟踪的相互切换保证了跟踪结果的正确性。实验结果表明混合粒子滤波具有很好的跟踪效果,与粒子滤波和Mean Shift算法相比,提高了跟踪精度;基于混合粒子滤波的火焰跟踪算法能够跟踪复杂环境下的运动火焰,提供火焰的精确位置。 相似文献
8.
闪烁噪声环境下机动目标跟踪的改进的高斯-厄米特粒子滤波 总被引:1,自引:0,他引:1
针对闪烁噪声环境下机动目标跟踪的非线性、非高斯问题,提出了一种改进的高斯-厄米特粒子滤波算法.和传统的高斯-厄米特粒子滤波算法相比,在生成粒子集时,改进的高斯-厄米特粒子滤波算法采用高斯-厄米特滤波对当前时刻的各个粒子进行估计,将得到的估计值和协方差直接作为粒子滤波算法的粒子集及相应的协方差.仿真结果表明,改进的高斯-厄米特粒子滤波算法对闪烁噪声环境下的机动目标能够进行有效的跟踪,提高了跟踪精度. 相似文献
9.
针对移动目标跟踪的非线性、非高斯的特点,本文系统介绍了基于ARMll的嵌入式设备进行移动目标跟踪的应用实现.核心应用算法使用改进的粒子滤波算法,其中粒子滤波算法的改进采用对粒子加权以及重新采样,以克服样本贫化现象和区分粒子的重要性程度.然后闸述了将粒子滤波算法移植到嵌入式设备以实现移动目标跟踪的应用需要. 相似文献
10.
11.
12.
无线传感器网络目标跟踪算法的研究 总被引:1,自引:0,他引:1
研究传感器网络目标跟踪精度问题,跟踪目标的运动轨迹具有时变性,是一种非线性、非高斯问题,传统跟踪算法解决非线性问题时具有局限性,导致目标跟踪精度不高。为提高目标跟踪精度,将不受非线性、非高斯问题限制的粒子滤波算法引入到无线传感器网络目标跟踪应用中,并对基本粒子滤波算法的缺陷进行改进。仿真结果表明,改进粒子滤波算法提高了粒子利用效率,不仅提高了目标跟踪的精度,跟踪性能更好,并适合于目标跟踪的精度和实时性要求,为设计网络系统提供了参考。 相似文献
13.
14.
Hua HanYong-Sheng Ding Kuang-Rong Hao Xiao Liang 《Computers & Mathematics with Applications》2011,62(7):2685-2695
Particle filter algorithm is widely used for target tracking using video sequences, which is of great importance for intelligent surveillance applications. However, there is still much room for improvement, e.g. the so-called “sample impoverishment”. It is brought by re-sampling which aims to avoid particle degradation, and thus becomes the inherent shortcoming of the particle filter. In order to solve the problem of sample impoverishment, increase the number of meaningful particles and ensure the diversity of the particle set, an evolutionary particle filter with the immune genetic algorithm (IGA) for target tracking is proposed by adding IGA in front of the re-sampling process to increase particle diversity. Particles are regarded as the antibodies of the immune system, and the state of target being tracked is regarded as the external invading antigen. With the crossover and mutation process, the immune system produces a large number of new antibodies (particles), and thus the new particles can better approximate the true state by exploiting new areas. Regulatory mechanisms of antibodies, such as promotion and suppression, ensure the diversity of the particle set. In the proposed algorithm, the particle set optimized by IGA can better express the true state of the target, and the number of meaningful particles can be increased significantly. The effectiveness and robustness of the proposed particle filter are verified by target tracking experiments. Simulation results show that the proposed particle filter is better than the standard one in particle diversity and efficiency. The proposed algorithm can easily be extended to multiple objects tracking problems with occlusions. 相似文献
15.
本文提出了一种基于核岭回归和粒子滤波的室内移动目标追踪算法,该算法在离线阶段采用核岭回归方法提取传感器之间的距离与RSSI(Received Signal Strength Indicator)信号值之间的非线性关系,从而训练出一种非线性回归距离模型;在线追踪阶段,利用非线性回归模型和粒子滤波算法实现室内移动目标的定位和追踪。本文在典型的室内办公环境下进行实验,并通过MATLAB对实测数据进行仿真。实验结果表明,相比WKNN算法和KF算法,本文所提出的算法能到达更好的定位精度,误差均值为1.2743 m。 相似文献
16.
智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点,现有算法难以实时估计目标的状态。针对识别物体复杂且多变,很难用完全的特征来描述待识别目标及其背景的不断变化,提出了一种用于融合颜色特征及SURF(Speed-Up Robust Features)特征的协方差矩阵来改进粒子滤波算法,从而提升视觉目标跟踪的实时性,满足智能车辆的要求。首先,对采集的图像进行预处理来获取感兴趣区域。接着,通过融合颜色特征及SURF特征构造范围感兴趣区域(Region Of Interest,ROI)的目标特征协方差矩阵,建立目标状态预测模型及状态观测模型,用于改进粒子滤波算法粒子重采样过程,实现对目标的精确跟踪。最后,将该方法与Mean-shift算法和颜色属性(CN)算法进行对比。实验结果表明,在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时,该算法在满足智能车辆对实时性要求的前提下,有效提升算法的精确度及鲁棒性。 相似文献
17.
18.
在视频序列的实时目标跟踪中,针对经典均值漂移跟踪(MST)方法不能应对遮挡、尺度变化等问题,提出一种结合MST、自学习尺度探测器和粒子滤波的跟踪方法。采用MST算法在视频帧中跟踪目标,当目标收敛到局部最小值时重新初始化目标。提出一种基于在线学习的探测器,用来自适应更新MST的目标模型,使其能够自动调整目标尺度。另外,当出现完全遮挡时,启动粒子滤波器,通过概率计算来估计目标位置,使MST能够在目标离开遮挡时恢复跟踪。在通用数据集PETS视频序列上的实验结果表明,相比其他几种较新的MST方法,提出的方法具有更高的跟踪准确性,可以应用于实时检测和目标跟踪等应用中。 相似文献
19.
嵌入卡尔曼预测器的粒子滤波目标跟踪算法* 总被引:2,自引:1,他引:1
针对经典的粒子滤波视频目标跟踪算法进行粒子传播采用随机游走的方式,以及传统颜色直方图无法反映目标空间特征的问题,提出了一种改进的基于颜色的粒子滤波目标跟踪算法。该算法在统计目标二阶颜色直方图的基础上,获得粒子的观察概率密度函数,利用卡尔曼滤波确定粒子动态传播模型中的确定性漂移部分,使粒子状态估计值分布更精确地趋向目标的概率分布,大大提高了粒子的利用效率。实验表明,该改进算法的性能优于经典基于单一颜色特征的粒子滤波算法。 相似文献