一种基于Mean Shift和Kalman预测的带宽自适应跟踪算法

被引：9

作者：

王文江 ^{[1
]}

黄山 ^{[1
,2
]}

张洪斌 ^{[2
]}

机构：

[1] 四川大学电气信息学院

[2] 四川大学计算机学院

来源：

计算机工程与科学 | 2013年 / 35卷 / 05期

关键词：

Mean Shift; 目标跟踪; 卡尔曼预测; 增量试探;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

Mean Shift算法是视觉监控领域广泛应用的经典目标跟踪方法,但对于速度过快或尺度变化大的目标的跟踪存在较大的缺陷。针对这一问题,提出了一种基于Mean Shift和Kalman方法预测的带宽自适应跟踪算法。该算法提出以Kalman预测目标在下帧中的位置作为Mean Shift迭代初始位置,以高效锁定各类运动目标;同时采用增量试探法自动调节带宽以适应目标的尺度变化。通过对行人和车辆等不同监控对象的实验表明,该跟踪算法具有良好的鲁棒性。

引用

页码：87 / 92

页数：6

共 10 条

[1] 基于Mean Shift的相似性变换和仿射变换目标跟踪算法 [J].