一种融合卡尔曼滤波的改进时空上下文跟踪算法

被引：19

作者：

赵洲 ^{[1
,2
]}

黄攀峰 ^{[1
,2
]}

陈路 ^{[1
,2
]}

机构：

[1] 西北工业大学航天学院智能机器人研究中心

[2] 西北工业大学航天飞行动力学重点实验室

来源：

航空学报 | 2017年 / 38卷 / 02期

关键词：

目标跟踪; 卡尔曼滤波; 时空上下文; 置信图; 贝叶斯; 欧氏距离;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对时空上下文跟踪算法对快速运动和遭受严重遮挡目标的跟踪精度下降问题,提出一种融合卡尔曼滤波的改进时空上下文跟踪算法。首先人工标记目标所在的矩形区域,然后利用改进的时空上下文算法对目标进行稳定跟踪,在跟踪过程中,基于连续两帧图像灰度的欧氏距离判定目标跟踪状态,当判定目标遭受严重遮挡时,利用卡尔曼滤波进行预测估计。算法对噪声有一定的容忍度,通过降低噪声对跟踪过程的影响,能够得到更优的目标区域。仿真实验结果表明:本文算法适用于不同光照强度下高速、高机动目标的稳定跟踪,并且对目标的尺度变化和短时严重遮挡具有鲁棒性。算法帧平均耗时为34.07ms;帧几何中心平均误差为5.43pixel,比时空上下文算法减少70.2%;目标轮廓面积平均误差为13.08%,比时空上下文算法减少52.7%。

引用

页码：274 / 284

页数：11

共 12 条

[1] 基于外观模型学习的视频目标跟踪方法综述 [J].

张焕龙 ;

胡士强 ;

杨国胜 .

计算机研究与发展, 2015, 52 (01) :177-190

[2] 基于改进SURF和P-KLT算法的特征点实时跟踪方法研究 [J].

蔡佳 ;

黄攀峰 .

航空学报, 2013, 34 (05) :1204-1214

[3]

基于Mean Shift算法和NMI特征的目标跟踪算法研究[J]. 甘明刚,陈杰,王亚楠,金代中.自动化学报. 2010(09)

[4] 机动目标的多项式预测模型及其跟踪算法 [J].

高羽 ;

张建秋 ;

尹建君 .

航空学报, 2009, 30 (08) :1479-1489

[5] 基于多次卡尔曼滤波的目标自适应跟踪算法与仿真分析 [J].

王向华 ;

覃征 ;

杨新宇 ;

杨慧杰 .

系统仿真学报, 2008, 20 (23) :6458-6460+6465

[6]

Abrupt motion tracking using a visual saliency embedded particle filter[J] . Yingya Su,Qingjie Zhao,Liujun Zhao,Dongbing Gu.Pattern Recognition . 2013

[7]

Upper Body Tracking Using KLT and Kalman Filter[J] . Pouya Bagherpour,Seyed Ali Cheraghi,Musa bin Mohd Mokji.Procedia Computer Science . 2012

[8] Centroid weighted Kalman filter for visual object tracking [J].

Fu, Zhaoxia ;

Han, Yan .

MEASUREMENT, 2012, 45 (04) :650-655

[9]

Head Pose Estimation Based on Head Tracking and the Kalman Filter[J] . Wang Yu,Liu Gang.Physics Procedia . 2011

[10]

Non-rigid object tracking in complex scenes[J] . Huiyu Zhou,Yuan Yuan,Yi Zhang,Chunmei Shi.Pattern Recognition Letters . 2008 (2)

← 1 2 →