共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
针对粒子滤波目标跟踪过程中初始化和权值退化的数据处理情况,在粒子滤波框架下提出一种基于稀疏子空间的卷积神经网络目标跟踪算法。以仿生学为基础,在目标跟踪过程中引入稀疏子空间和卷积神经网络。首先,利用稀疏子空间模型筛选出与目标状态相似度较高的候选区域进行后续跟踪处理,减少冗余计算并降低跟踪的复杂性;然后,将稀疏子空间输出用作卷积神经网络的输入,并利用卷积神经网络模型对图像数据处理的优点进行目标跟踪的数据处理;最后,通过对目标数据的不断更新来减少目标表观变化的影响。实验表明,该算法能够更好地处理目标跟踪中的目标遮挡、运动模糊、光流与尺度变化,提高算法的准确性和数据处理能力。 相似文献
3.
基于局部特征组合的目标跟踪算法 总被引:1,自引:0,他引:1
为了克服目前大多数观测模型在小样本空间中鲁棒性不高的弱点,文中在粒子滤波框架下提出基于局部特征组合的粒子滤波视频跟踪算法。局部特征能更有效描述目标模板细节信息,可降低特征匹配中目标形变、光照变化和部分遮挡的影响。该方法借鉴混合高斯模型思想,采用多模式描述有效局部观测信息,这种融合策略更加准确可靠,能够较好地通过最新观测减轻了粒子退化现象,从而提高目标跟踪效率。小样本空间一定程度上降低了粒子数量和计算代价。实验结果表明该算法相比单一特征或一般多特征融合跟踪算法具有优越性,并能实现复杂场景下的目标跟踪。 相似文献
4.
提出了一种基于自适应子空间跟踪与Jacobi算法的时变信道有限反馈预编码方法.该方法针对无线信道的时变性,利用梯度算法自适应跟踪时变信道的发射预编码矩阵,同时考虑了反馈信道有限比率的反馈比特数,将Jacobi迭代算法应用于时变信道右奇异矩阵的跟踪,从而有效降低了每个反馈帧的反馈比特数.计算机仿真表明,在时变信道,该方法在降低反馈量的同时,还获得了比存在反馈延时的Grassmannian预编码方法更好的系统容量性能. 相似文献
5.
6.
所做的工作是利用粒子滤波理论解决目标跟踪所面临的技术问题。首先介绍粒子滤波中的两种重要算法:贝叶斯理论和蒙特卡罗方法,接着在此基础上详细阐述基于粒子滤波的目标跟踪算法。 相似文献
7.
8.
9.
杂波环境下的机动目标跟踪问题具有非线性、非高斯、不完全观测的特点,其难点在于观测值与目标的对应关系及每一时刻的运动模式均呈现高度不确定性。文中将多模型理论和辅助粒子滤波算法相结合,提出了一种新的杂波环境下机动目标跟踪算法——多模型辅助粒子滤波算法(MMAPF)。仿真结果表明,该算法与传统的交互多模型——扩展卡尔曼滤波算法、辅助粒子滤波算法相比,在相同的情况下,具有更高的滤波精度和较好总体性能。 相似文献
10.
为克服纹理不丰富和非刚性形变等因素引起的面部特征点跟踪困难,提出了一种基于子空间约束的面部特征点跟踪算法。针对人脸运动特点,将面部特征点分为具有复杂运动模式和简单运动模式的特征点集。用通过样例学习得到的特定描述模型准确刻画了具有复杂运动模式的特征点集的变化,保证了子空间约束的有效性。对运动模式简单的特征点集的跟踪则采用基于光流的算法,以提高算法的效率,也为基于特定描述模型的跟踪算法提供了更准确的起始搜索位置。对跟踪结果进一步应用子空间约束解决跟踪中的开孔问题和消除跟踪误差。实验结果表明,在存在较大验部变形和部分特征点纹理不丰富的情况下,该方法可以有效地跟踪较密集的面部特征点。 相似文献
11.
矢量水听器能同时共点获得声场中声压和振速,与其他水听器相比,能获得更多的信息量,具有很好的应用前景。矢量水听器阵列的MUSIC算法能实现360°无模糊方位估计,然而对于方位时变的目标源,该算法很难完成对上述目标源方位进行实时跟踪估计。鉴于此,将MALASE算法和MUSIC算法相结合,提出了一种矢量水听器阵列的自适应子空间跟踪算法。仿真结果表明,该算法既保留了MUSIC算法的性能,又实现了对目标源进行实时跟踪估计,且方位估计误差仅为0.4°左右。 相似文献
12.
运用特征子空间类高分辨方法的关键在于信号或噪声子空间的估计。实际上有些信号的统计特性通常随时间变化,为了得到参数的实时估计值,需要随时根据新的阵列接收数据对信号或噪声子空间进行更新?文中分析了一种自适应子空间估计算法,即MALASE(Maximum Likelihood Adaptive Subspaee Estimation)算法然后,把MALASE算法与最小范数(Mini—Norm)高分辨方位计算法相结合.并应用零点跟踪技术,提出了一种自适应Mini—Norm算法,可用于对时变的信号波达方向(DOA)进行跟踪估计。仿真结果验证了该算法具有较好的跟踪性能。 相似文献
13.
14.
15.
16.
针对复杂场景中多目标跟踪问题,本文给出了目标的出现与消失、遮挡等模型描述,将其统一到粒子滤波的框架下,提出了一种可以处理目标数可变的多目标跟踪算法.对场景中的目标数建立马尔科夫模型,采用转移概率矩阵描述跟踪过程中目标出现,消失的情况;在状态表示中增加辅助变量,明确目标之间可能的遮挡;采用目标空间直方图建立基于唯一性原则的观测似然函数,通过后验概率分布估计目标数及目标状态.实验结果表明,本文算法能有效地处理跟踪过程中的目标数变化、目标遮挡等问题,实现多目标的正确跟踪. 相似文献
17.
一种基于粒子滤波的特征融合跟踪算法 总被引:3,自引:1,他引:3
针对单纯的基于颜色的跟踪方法在复杂背景下会导致跟踪失败的问题,本文提出一种基于粒子滤波的特征融合跟踪算法。颜色直方图是对目标的全局描述,而方向梯度直方图包含了一定的结构信息,二者可以互为补充,因此本文算法同时用颜色直方图和方向梯度直方图来描述目标,在粒子滤波框架下将目标颜色和梯度信息有机结合,并自适应更新。实验表明,本文算法不仅提高了跟踪精度,而且具有较强的鲁棒性。 相似文献
18.
一种新的目标跟踪算法研究 总被引:1,自引:1,他引:0
当采用概率母函数将单传感器PHD滤波推广到多传感器情形时,针对计算繁琐,难于实现的问题,本丈基于集中式融合系统的有序滤波思想,提出多传感器、多目标有序粒子PHD跟踪算法,该算法通过选取与各传感器相关的重要性密度函数,层层更新各传感器的采样粒子,达到多传感器多目标有序PHD跟踪.实验结果表明,当仅仅使用单传感器对多目标进行跟踪时,虚警概率较高时一些粒子会严重偏离原始目标轨迹,导致目标数目估计出现偏差,而采用多传感器多目标有序PHD跟踪可以有效减小多目标距离跟踪误差,提高跟踪精度. 相似文献
19.