改進的卡爾曼濾波在目標跟蹤中的應用.pdf_第1頁
已閱讀1頁,還剩77頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、目標跟蹤是利用圖像處理等相關(guān)技術(shù)對視頻圖像序列中的運動目標進行處理、分析和理解找到所感興趣的目標所處位置的過程。它作為計算機視覺研究領(lǐng)域的一個關(guān)鍵技術(shù),正日益廣泛地應用到安全防范、智能視頻監(jiān)控、人體運動分析、智能交通管理等領(lǐng)域,因此對目標跟蹤算法的研究是具有較高的實用價值和廣闊的發(fā)展前景。
  本文首先介紹了包括幀間差分法、背景差分法以及光流法在內(nèi)的三種基本常用視覺目標檢測算法,根據(jù)各自算法的特點選擇利用算法性能相對較好的背景差分

2、法實現(xiàn)目標的檢測,并利用數(shù)字形態(tài)學方法對利用背景差分法完成的目標檢測效果進行后處理,降低噪聲的干擾。采用一種基于卡爾曼濾波(Kalman Filter, KF)的運動目標跟蹤算法。該算法首先利用前面介紹的背景差分法實現(xiàn)動態(tài)目標的檢測,并依此計算目標模型的核直方圖,進而建立目標的運動學狀態(tài)空間模型。利用歷史幀中測量得到的運動目標的位置、速度等參數(shù),完成卡爾曼濾波的時間更新過程,獲得濾波的一步預測值一步預測協(xié)方差矩陣,最后利用從當前幀獲得的

3、量測信息(位置或速度信息),通過量測更新計算估計出運動目標的位置,實現(xiàn)運動目標的跟蹤。結(jié)合KF和Mean Shift算法實現(xiàn)運動目標的跟蹤。該算法利用KF對目標的位置進行預測,得到下一幀圖像中目標可能出現(xiàn)的區(qū)域,并將KF估計的預測點當作Mean Shift算法迭代的起始點,利用無參數(shù)估計的收斂性,得出精度更高目標的位置,從而達到跟蹤的目的。但是該方法只能用在線性模型下,在復雜運動狀態(tài)下該方法將不再適用。采用一種基于容積信息濾波的視覺目標

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論