模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
5期
646-652
,共7页
绝对差值和(SAD)%目标检测%无迹卡尔曼滤波(UKF)%目标跟踪
絕對差值和(SAD)%目標檢測%無跡卡爾曼濾波(UKF)%目標跟蹤
절대차치화(SAD)%목표검측%무적잡이만려파(UKF)%목표근종
针对复杂场景下动态目标难以准确分割以及目标难以准确定位的问题,提出将绝对差值和(SAD)方法、无迹卡尔曼滤波(UKF)和Mean shift算法相结合的混合自主跟踪动态目标的方法.首先,采用SAD方法获相邻两帧的视差信息,利用视差实现动态目标的检测,并依此建立目标的核直方图描述模型和状态空间模型,然后UKF算法对状态空问进行滤波估计,最后采用Mean shift算法精确定位目标.实验结果表明该方法不仅能有效检测场景的动态目标,同时还能获得目标的运动信息.文中所提出的基于UKF-Mean shift的跟踪策略与相关算法相比,体现出较好的跟踪效果与时间性能.
針對複雜場景下動態目標難以準確分割以及目標難以準確定位的問題,提齣將絕對差值和(SAD)方法、無跡卡爾曼濾波(UKF)和Mean shift算法相結閤的混閤自主跟蹤動態目標的方法.首先,採用SAD方法穫相鄰兩幀的視差信息,利用視差實現動態目標的檢測,併依此建立目標的覈直方圖描述模型和狀態空間模型,然後UKF算法對狀態空問進行濾波估計,最後採用Mean shift算法精確定位目標.實驗結果錶明該方法不僅能有效檢測場景的動態目標,同時還能穫得目標的運動信息.文中所提齣的基于UKF-Mean shift的跟蹤策略與相關算法相比,體現齣較好的跟蹤效果與時間性能.
침대복잡장경하동태목표난이준학분할이급목표난이준학정위적문제,제출장절대차치화(SAD)방법、무적잡이만려파(UKF)화Mean shift산법상결합적혼합자주근종동태목표적방법.수선,채용SAD방법획상린량정적시차신식,이용시차실현동태목표적검측,병의차건립목표적핵직방도묘술모형화상태공간모형,연후UKF산법대상태공문진행려파고계,최후채용Mean shift산법정학정위목표.실험결과표명해방법불부능유효검측장경적동태목표,동시환능획득목표적운동신식.문중소제출적기우UKF-Mean shift적근종책략여상관산법상비,체현출교호적근종효과여시간성능.
