排序方式: 共有20条查询结果,搜索用时 15 毫秒
11.
基于改进MeanShift的目标跟踪算法 总被引:4,自引:2,他引:2
针对传统Meanshift算法在某些干扰或遮挡情况下不能保证跟踪的准确性,以及目标模型内的背景像素也会造成定位偏差的问题,提出一种基于MeanShift的改进算法。首先对目标模型进行改进,通过目标与背景的区分度引入权系数,在目标模型中进行加权处理,可达到降低目标模型内背景像素对跟踪定位精度的影响。然后,将跟踪窗进行分块,对各子块使用改进目标模型的Meanshift算法进行跟踪。最后,用匹配度最大的两个子块加权决定目标的最终位置,从而在目标发生遮挡时能有效剔除被遮挡子块对目标定位的影响。实验表明,在复杂背景下,新算法仍然可以有效、准确地跟踪运动目标。 相似文献
12.
智能监控是当前计算机视觉研究的热点领域之一。针对室内监控的具体特点,实现了一种基于视频分析的智能检测跟踪监控系统。利用基于统计模型的目标检测算法提取运动目标;然后结合Meanshift算法对目标进行粗跟踪;最后针对Meanshift算法无法实时改变跟踪窗大小的缺陷,提出边界力调整算法以自适应更新跟踪窗窗宽。并以DM642数字图像处理DSP为核心,设计并搭建了智能视频监控平台。实验表明,该系统可以实时有效地检测、跟踪室内运动目标。 相似文献
13.
The generic Meanshift is susceptible to interference of background pixels with the target pixels in the kernel of the reference model, which compromises the tracking performance. In this paper, we enhance the target color feature by attenuating the background color within the kernel through enlarging the pixel weightings which map to the pixels on the target. This way, the background pixel interference is largely suppressed in the color histogram in the course of constructing the target reference model. In addition, the proposed method also reduces the number of Meanshift iterations, which speeds up the algorithmic convergence. The two tests validate the proposed approach with improved tracking robustness on real-world video sequences. 相似文献
14.
朱闻亚 《沈阳工业大学学报》2017,39(2):177-182
针对Meanshift目标跟踪算法对强噪声环境敏感的问题,提出了一种结合稳健估计和传统Meanshift的修正Meanshift算法.通过稳健估计修正传统Meanshift算法的核概率密度函数,提升Meanshift算法的鲁棒性.针对信噪比分别为60、30和0 db的仿真数据,将传统Meanshift算法和修正Meanshift算法的跟踪轨迹准确性和精度进行对比.结果表明,修正Meanshift算法能够实现目标准确跟踪,且跟踪位置的相对误差在1%以下.对于实际运动目标视频数据,所提算法也可以实现实时跟踪定位,克服了传统Meanshift算法目标跟踪丢失的问题. 相似文献
15.
结合Haar型特性局部二元模式(HLBP)的图像纹理特征提取方法,提出一种新的目标跟踪算法,并将其运用到Meanshift框架中。将Visual Studio 2010和opencv2.4.9作为实验平台,将所提算法的实验结果与传统Meanshift跟踪算法、基于局部二元模式(LBP)纹理特征的Meanshift跟踪算法进行对比分析。实验结果表明,所提算法在背景复杂或背景简单的情况下都表现出了稳健而准确的跟踪特性,且在部分遮挡的情况下仍可以正确地跟踪目标。 相似文献
16.
17.
基于视频序列的运动目标追踪算法 总被引:1,自引:0,他引:1
介绍了一种对视频序列中运动目标追踪的实现算法,该算法在运动目标检测的基础上,融合了卡尔曼滤波和Meanshift算法实现对快速移动目标的追踪。卡尔曼滤波对下一帧目标可能出现的位置做出估计,Meanshift迭代算子在估计出的区域对目标精确定位。经实际验证其有效地克服了传统Meanshift算法对于快速移动物体追踪可能出现的丢失目标的问题,目标追踪效果明显提高。 相似文献
18.
针对传统的帧差法检测运动目标时易出现空洞及Meanshift算法在复杂环境下易丢失跟踪目标甚至导致跟踪失败的缺点,提出了采用动态阈值五帧差分与跟踪目标实时模板更新的改进Meanshift的运动目标检测与跟踪算法,以提高系统的实时性和鲁棒性。结果表明该方法是可行的,能准确检测出运动目标,以提高目标跟踪的可靠性。 相似文献
19.
20.