基于多特征融合的粒子滤波多目标跟踪算法研究

被引：4

作者：

杨龙文

黄植功

机构：

[1] 广西师范大学电子工程学院

来源：

计算机应用与软件 | 2015年 / 32卷 / 04期

关键词：

多目标跟踪; 粒子滤波; BPF; MPF; HOG; Adaboost; 分块—积分直方图; LBP;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

目前,应用于多目标跟踪的BPF算法仍不能很好解决跟踪过程中出现的相似干扰、目标交叉、短时部分遮挡等问题,且在跟踪过程中,粒子集的分配也对整个跟踪存在不良影响。对此,提出一种基于HOG+Adaboost检测和混合粒子滤波(MPF)相结合,并在跟踪过程中为每个新目标相互独立地分配新的粒子集,采用分块—积分直方图和LBP特征相融合作为目标的观测模型的算法。实验结果证明,该算法在实现多目标跟踪的基础上,很好地解决了上述问题,提高了多目标跟踪的鲁棒性。

引用

页码：225 / 229

页数：5

共 17 条

[1]

Novel approach to nonlinear non-Gaussian Bayesian state estimation. Gordon N J,Salmond D J,Smith A F M. IEE Proceedings . 1993

[2]

Texture analysis with local binary patterns. Maenpaa T,Pietikainen M. Handbook of Pattern Recognition and Computer Vision . 2005

[3]

A general framework for object detection. C. Papageorgiou,M. Oren,T Poggio. Proceedings of the 6th IEEE International Conference on Computer Vision . 1998

[4]

A boosted particle filter:multitarget de-tection and tracking. Okuma K,Taleghani A,Freitas N D,et al. Processings of European Conference on Computer Vision . 2004

[5]

基于多模型的联合目标跟踪与分类算法[J]. 吕铁军,蒋宏,梁国威,丁全心. 电光与控制. 2013(08)

[6] 基于改进粒子滤波的飞机起落架损伤识别研究 [J].