【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其是涉及对单个运动目标特征或者多个运动目标特征的提取并进行运动目标建模、运动目标检测的融合算法。
技术介绍
目标跟踪中常用的目标特征表达主要包括图像的纹理和形状特征(如轮廓、区域、边缘等)、变换系数特征(如傅里叶描述子)、统计特征(如直方图、各种矩特征)等。为了达到更好的跟踪效果，实际应用中也常常将多个特征结合起来考虑。跟踪算法的准确度与运动目标的表达密切相关，大致可以分为四类基于主动轮廓模型的跟踪、基于模型的跟踪、基于特征的跟踪和基于区域的跟踪。在跟踪过程中，采用一定的搜索算法预测运动目标在下一帧中可能出现的位置状 态，只在相关区域中寻找最优点。这样就避免了直接对场景中所有内容进行匹配估计，从而大大削减计算量。在很多基于交互的实时系统中，跟踪常用的预测算法有卡尔曼滤波器(Kalman滤波器)、粒子滤波算法等。优化搜索方向也可以达到缩小目标搜索范围的目的，常用的包括均值漂移算法(Mean-shift算法)、连续自适应均值漂移算法(Camshift算法)等。其中 Camshift(continuously adaptive mean-shif...
【技术保护点】
一种基于运动目标跟踪的融合算法，其特征在于包括：步骤1：基于粒子滤波算法，通过状态转移模型，得到目标K时刻状态附近随机分布粒子集？其中？其中N为粒子数，k是粒子变化时刻值；步骤2：提取粒子集？粒子的颜色和运动信息，判断粒子集？粒子质心坐标值是否满足迭代条件，将符合迭代条件的粒子组合成新的迭代粒子集？步骤3：对迭代粒子集？中的粒子与目标模板粒子进行相关度处理，通过观测函数计算迭代粒子集粒子质心坐标值加权值并进行重采样、归一化处理，得到当前帧目标的状态。FDA00002086166600011.jpg,FDA00002086166600012.jpg,FDA0000208616...
【技术特征摘要】
1.一种基于运动目标跟踪的融合算法，其特征在于包括 步骤I:基于粒子滤波算法，通过状态转移模型，得到目标K时刻状态附近随机分布粒子集2.根据权利要求I所述的基于运动目标跟踪的融合算法，其特征在于步骤2中所述判断粒子集I#1 ,Hf I'粒子质心坐标值是否满足迭代条件具体过程是 步骤21 :在Camshift算法基础上，设置粒子集3.根据权利要求2所述的基于运动目标跟踪的融合算法，其特征在于步骤23中所述IlC1-C0IKe指的是粒子集I二中粒子质心坐标值与粒子集{(Of|二中粒子初始质心坐标值平均移动位置(X1-Xtl) W(Y1Icl)2小于阈值ε ;当II1Wtl指的是迭代次数大于阈值η0，所述η0是6至IJ 15。4.根据权利要求2所述的基于运动目标跟踪的融合算法，其特征在于所述步骤23中所述ε是2。5.根据权利要求3所述的基于运动目标跟踪的融合算法，其特征在于所述步骤23中所述η0是10。6.根据权利要求4所述的基于运动目标跟踪的融合算法，其特征在于所述步骤21中融合零阶矩β是O. 8。7.根据权利要求I至6之一所述的基于运动目标跟踪的融合算法，其特征在于步骤3中所述对迭代粒子集中的粒子与目标模板粒子进行相关度处...
【专利技术属性】
技术研发人员：姚黎，
申请(专利权)人：四川九洲电器集团有限责任公司，
类型：发明
国别省市：
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。