一种融合Kalman预测和Mean-shift搜索的视频运动目标跟踪新方法

被引：7

作者：

柳宗浦 ^{[1
]}

赵曙光 ^{[1
]}

潘翔鹤 ^{[1
]}

赵俊 ^{[2
]}

机构：

[1] 东华大学信息科学与技术学院

[2] 中兴通讯股份有限公司西安研究所

来源：

光电子技术 | 2009年 / 29卷 / 01期

关键词：

运动目标; 跟踪; 检测; Kalman滤波器; 均值平移搜索;

D O I：

10.19453/j.cnki.1005-488x.2009.01.007

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

简要介绍Kalman滤波跟踪和Mean-shift跟踪并分析其优缺点,在此基础上提出一种融合Kalman预测和Mean-shift搜索的运动目标跟踪新方法。该方法利用Kalman滤波估计出运动目标在下一帧中最可能的出现位置,利用Mean-shift方法据此进行较小范围的搜索和目标匹配,从而可用较小的运算量获得较为可靠的跟踪效果,并适应较复杂的场景。实验结果证明了该算法的有效性。

引用

页码：30 / 33

页数：4

共 4 条

[1]

Kalman filterincorporated model updating for real-time tracking. Jang Dae-Sik,,Kim Gye-Young,Choi Hyung-Il. Proc.1996 IEEE TENCON,Digital Signal Processing Applications . 1996

[2]

A New Approach to Linear Filtering and Prediction Problems. Kalman,R. E. Transaction of the ASAE . 1960

[3]

Real-time tracking of non-rigid objects using mean shift. Dorin Comaniciu,Visvanathan Ramesh,Peter Meer. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition . 2000

[4]

Mean shift: A robust approach toward feature space analysis. Dorin Comaniciu,Peter Meer. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002

← 1 →