基于复杂动态场景的卡尔曼粒子滤波跟踪方法技术
【技术实现步骤摘要】
本专利技术属于图像探测与处理领域，具体涉及一种基于复杂动态场景的卡尔曼粒子 滤波跟踪方法。
技术介绍
目标跟踪的主要任务是从图像序列中检测、识别并跟踪运动目标，甚至能够理解 并描述目标的行为。目标跟踪被广泛应用于人体运动识别、视频监控、视频检索、虚拟现实 和人机交互等方面。 针对运动目标的跟踪，国外提出了名称为无迹卡尔曼滤波方法（UKF)(杨 柏胜，姬红兵.基于无迹卡尔曼滤波的被动多传感器融合跟踪.控制与决 策，2008, 23 (4) : 460-463.)的目标跟踪方法，该方法对非线性函数的概率密度分布进行近 似，用一系列确定样本来逼近状态的后验概率密度，可以有效解决由系统非线性的加剧而 引起的滤波发散问题，但UKF仍是用高斯分布来逼近系统状态的后验概率密度，所以在系 统状态的后验概率密度是非高斯的情况下，目标跟踪结果会有极大的误差；Fukunaga提出 了均值偏移理论mean-shift(彭宁嵩，杨杰，刘志，等.Mean-Shift跟踪算法中核函数 窗宽的自动选取.软件学报，2005, 16(9) =1542-1550.)，其采用核函数直方图对...
【技术保护点】
基于复杂动态场景的卡尔曼粒子滤波跟踪方法，其特征在于，包括以下步骤：步骤一：在第1帧图像中，手动选取目标区域G1，将目标区域G1等效为目标，将目标区域G1的中心位置设为目标的初始状态x0；根据目标区域G1的颜色分布，计算目标的颜色直方图p；然后在目标区域G1内随机选取数量为N的粒子，粒子初始权值均为1/N；步骤二：在处理第k帧图像时，k>=2，计算第k帧图像和第k‑1帧图像的相位偏移对第k帧图像进行图像补偿；然后使用时间序列模型对粒子的状态进行传播，使用第k‑1帧图像中粒子的状态获得第k帧图像粒子状态步骤三：根据步骤二中得到的第k帧图像上的粒子状态以每个粒子为中心选取...
【技术特征摘要】
【专利技术属性】
技术研发人员：任侃，廖逸琪，陆恺立，汪鹏程，韩鲁，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。