排序方式: 共有31条查询结果,搜索用时 15 毫秒
1.
一种基于卡尔曼滤波及粒子滤波的目标跟踪算法 总被引:2,自引:3,他引:2
针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法。利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性。实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能。 相似文献
2.
3.
随着实时视频监控技术的发展,运动目标的检测在众多领域都有着广泛的应用。针对当下运动目标检测算法易受环境噪声和光照突变的影响,为了提高算法的稳定性和自主检测能力,本文系统研究了背景减除法和帧差法的不足和优势,提出了一种基于统计信息的改进滑动平均算法。首先,依据帧间差分对光照不敏的特性,粗略分离出背景和前景部分,同时去除掉其他随机孤立噪声,然后在滑动平均算法中引入对前景点的统计计数,自适应更新背景建模学习速率,加速背景模型收敛,最后将滑动平均与三帧差分两者形态学处理后的目标团块进行与运算,得到准确的前景区域。实验结果表明,本算法可以在树叶晃动和光照变化中精确定位运动目标,正确前景点率平均提升7.4%,得益于帧差法特性,误检前景点率显著降低,鲁棒性和自适应性更好。 相似文献
4.
在目标跟踪领域,形心跟踪算法得到了广泛的应用,尤其是背景为天空等相对简单的背景时.该算法具有较高的跟踪准确性和稳定性,容易实现目标自动捕获,但当图像背景不均匀而且目标与背景灰度相近时,会严重影响对目标的捕获.本文分析了不均匀背景的形成原因以及特点,将基于群体智能的图像处理方法应用于不均匀背景下的弱小目标检测.在赋予智能体一定的行为和参数并定义相应的运动规则之后,分布于图像环境中的智能体通过对局部环境的适应寻找到了整体的最优解.根据该算法提取到的目标特征与不均匀区域的特征所具有的不同特点.在经过区域填充以及滤波等处理之后.准确检测到了不均匀背景中的弱小目标. 相似文献
5.
基于自适应模板的实时跟踪算法 总被引:10,自引:3,他引:10
相关匹配算法通过计算模板图像和待匹配图像的互相关值来确定匹配的程度,是一种经典的匹配算法,具有很高的准确性和适应性,并且对图像灰度值的线性变换具有"免疫性",因此在目标跟踪中得到了广泛应用.但是相关匹配算法计算耗时过于庞大,难以达到实要求,并且当目标在模板中所占比例很小时,很难确定模板的准确位置,使得此算法在实时目标跟踪中的应用有很大困难.本文提出了一种基于自适应模板的实时跟踪算法.实时采集的图像首先进行阈值分割,然后用形态学滤波的方法去掉噪声,模板的尺寸通过轮廓分割方法确定.匹配程度的算法选择的是归一化自相关匹配算法,并采用金字塔搜索算法进行加速.实验结果显示,此算法有效地克服了相关匹配算法的缺点,具有较好的匹配精度和实时性. 相似文献
6.
7.
介绍一种基于DSP实现弱目标跟踪的方法,该系统主要是以高速数字信号处理器TMS320C6203作为核心器件,并与FPGA和CPLD相结合跟踪弱目标。首先通过统计像素数的方法粗略计算目标位置,根据获得目标的位置和大小进行局部精确搜索,减少计算量,然后采用重心跟踪结合线性预测的方法对目标进行跟踪,通过串口通讯在显示器上我们可以看到跟踪结果。实验结果表明可以对目标进行准确定位,达到实时跟踪的目的。 相似文献
8.
9.
10.
为了适应目标旋转、尺度、场景光照等变化,利用B样条曲线表达目标轮廓,结合变形模板技术对运动目标的轮廓进行跟踪.在跟踪过程中,沿着模板曲线的法线方向检测目标轮廓,提高了检测效率.根据同一曲线上相邻点间的相关性,对检测所得的轮廓点集的坐标序列进行中值滤波,有效降低噪声干扰.将检测到的轮廓点集在形状空间匹配,使目标轮廓的形变限制在一定范围之内,有效抑制噪声和背景边缘特征的干扰.仿真试验表明,该算法能够有效得到目标轮廓,且具有较好的实时性. 相似文献