在靶場(chǎng)經(jīng)緯儀對(duì)目標(biāo)實(shí)時(shí)跟蹤測(cè)量時(shí),會(huì)發(fā)生相機(jī)隨機(jī)抖動(dòng)的情況,引起目標(biāo)在圖像中大幅度運(yùn)動(dòng)。應(yīng)對(duì)大幅度運(yùn)動(dòng)時(shí),基于搜索窗口的跟蹤方法容易丟失目標(biāo),而基于全圖搜索的跟蹤方法時(shí)效性差。針對(duì)以上問題,提出一種結(jié)合核相關(guān)濾波算法(Kernelized Correlation Filter, KCF)和目標(biāo)位置預(yù)測(cè)的改進(jìn)的跟蹤學(xué)習(xí)檢測(cè)算法(Tracking-Learning-Detection, TLD)跟蹤框架。利用正交多項(xiàng)式最優(yōu)線性濾波器及相機(jī)角度信息預(yù)測(cè)目標(biāo)下一幀位置,在此區(qū)域利用KCF進(jìn)行快速跟蹤,可以提高跟蹤的成功率和時(shí)效性,跟蹤失敗時(shí)再進(jìn)行檢測(cè)。仿真實(shí)驗(yàn)表明,最優(yōu)線性濾波器能較準(zhǔn)確預(yù)測(cè)目標(biāo)位置,給KCF提供較準(zhǔn)確的搜索位置,算法每幀耗時(shí)僅為1.1 ms,且定位精度優(yōu)于TLD和KCF,能有效應(yīng)對(duì)相機(jī)抖動(dòng)的問題。靶場(chǎng)實(shí)際試驗(yàn)證明該方法可提高靶場(chǎng)自動(dòng)判讀水平,減少人工干預(yù)。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 靶場(chǎng)實(shí)時(shí)判讀方法
    1.1 改進(jìn)的TLD框架
        1.1.1 TLD框架
        1.1.2 TLD用于實(shí)時(shí)判讀存在的問題
        1.1.3 改進(jìn)的框架
    1.2 基于綜合角度濾波的位置預(yù)測(cè)方法
        1.2.1 觀測(cè)模型
        1.2.2 預(yù)測(cè)模型
        1.2.3 預(yù)測(cè)位置解算
2 實(shí)驗(yàn)驗(yàn)證
    2.1 仿真說明
        2.1.1 仿真條件說明
        2.1.2 算法參數(shù)說明
    2.2 性能評(píng)估
        2.2.1 預(yù)測(cè)性能
        2.2.2 跟蹤性能
        2.2.3 時(shí)間性能
    2.3 靶場(chǎng)驗(yàn)證
3 結(jié)論



本文編號(hào)：3761617