針對(duì)復(fù)雜環(huán)境下的目標(biāo)跟蹤問題,將基于歸一化DPM直方圖的粒子濾波與基于局部HSV+LBP融合特性的meanshift跟蹤算法相結(jié)合,構(gòu)建了全局局部一致性下的目標(biāo)跟蹤算法。該算法將魯棒性較強(qiáng)的全局顏色信息與局部紋理信息相結(jié)合,構(gòu)建權(quán)重可調(diào)的全局局部狀態(tài)估計(jì)模型,從而得到目標(biāo)當(dāng)前狀態(tài)。實(shí)驗(yàn)結(jié)果表明:該算法能夠較好的處理目標(biāo)跟蹤常見的遮擋、干擾、目標(biāo)快速移動(dòng)等情況,最終實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定跟蹤。 

【文章來源】：兵器裝備工程學(xué)報(bào). 2020,41(03)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 粒子濾波目標(biāo)跟蹤流程圖

全局局部一致性目標(biāo)跟蹤流程框圖

為了驗(yàn)證本文算法的跟蹤精度，分別提取穩(wěn)定跟蹤階段的跟蹤誤差并計(jì)算算法的平均定位精度，見表2。圖3為跟蹤精度變化曲線。文獻(xiàn)[17]的算法對(duì)于紅外目標(biāo)取得了較好的效果，但是由于原始算法采用了灰度信息作為特征，在很大程度上制約了其跟蹤效果的提升，在實(shí)驗(yàn)過程中，采用DPM代替原有灰度特征，平均定位精度最小可以鎖定到2個(gè)像素內(nèi)，而在本文算法中，將全局局部特征融合，二次定位的精度可達(dá)1個(gè)像素內(nèi)，可見定位精度有明顯提升。

【參考文獻(xiàn)】：
期刊論文
[1]自適應(yīng)分塊的多特征融合多目標(biāo)跟蹤[J]. 別秀德,劉洪彬,常發(fā)亮,彭志勇.  西安電子科技大學(xué)學(xué)報(bào). 2017(02)
[2]多區(qū)域采樣目標(biāo)跟蹤算法[J]. 夏瑜,吳小俊.  光電工程. 2014(11)
[3]一種改進(jìn)的自適應(yīng)重采樣粒子濾波算法[J]. 駱榮劍,李穎,錢廣華,魏祥.  光電工程. 2014(04)
[4]遮擋目標(biāo)的分片跟蹤處理[J]. 張彥超,許宏麗.  中國圖象圖形學(xué)報(bào). 2014(01)
[5]融合角點(diǎn)特征與顏色特征的Mean-Shift目標(biāo)跟蹤算法[J]. 宋丹,趙保軍,唐林波.  系統(tǒng)工程與電子技術(shù). 2012(01)
[6]基于顏色紋理直方圖的帶權(quán)分塊均值漂移目標(biāo)跟蹤算法[J]. 李冠彬,吳賀豐.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2011(12)
[7]一種偽粒子濾波的多目標(biāo)跟蹤方法[J]. 孫偉,郭寶龍.  西安電子科技大學(xué)學(xué)報(bào). 2008(02)
[8]基于均值漂移和粒子濾波的紅外目標(biāo)跟蹤[J]. 魏坤,趙永強(qiáng),潘泉,張洪才.  光電子.激光. 2008(02)

博士論文
[1]基于粒子濾波的魯棒視覺目標(biāo)跟蹤算法研究[D]. 朱明清.中國科學(xué)技術(shù)大學(xué) 2011



本文編號(hào)：3488968