中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2015年
1期
72-84
,共13页
田浩%巨永锋%孟凡琨%李涪帆
田浩%巨永鋒%孟凡琨%李涪帆
전호%거영봉%맹범곤%리부범
目标跟踪%均值漂移%校正背景权重直方图%两层卡尔曼滤波%巴氏系数%模板更新
目標跟蹤%均值漂移%校正揹景權重直方圖%兩層卡爾曼濾波%巴氏繫數%模闆更新
목표근종%균치표이%교정배경권중직방도%량층잡이만려파%파씨계수%모판경신
object tracking%mean shift%corrected background-weighted histogram%two layers of the Kalman filter%Bhattacharyya coefficient%template update
目的 考虑到融合校正背景权重直方图(CBWH)的Mean Shift(MS)目标跟踪算法只有CBWH更新而缺少目标模板更新,以及在目标遮挡时鲁棒性欠佳的不足.方法 结合卡尔曼滤波器(KF)在目标状态预测和参数更新方面的可靠性,将两层KF框架融入融合CBWH的MS.第1层KF框架为目标位置预测层,通过KF噪声与巴氏系数之间的关系,实现跟踪结果的自适应调整,减少遮挡对跟踪结果的影响;第2层KF框架为目标模板更新层,通过KF对目标模板中的每个非零元素进行滤波,实现目标模板与CBWH的同步更新,减少目标特征变化对跟踪结果的影响.结果 在背景干扰、遮挡以及特征变化等条件下进行实验,得到本文算法、融合CBWH的MS和传统MS的平均跟踪误差分别为5.43、19.2和51.43,显示本文算法的跟踪精度最高.同时本文算法也具有良好的实时性.结论 本文算法在融合CBWH的MS基础上,加入两层KF框架,解决了原算法缺少目标模板更新和在目标遮挡时鲁棒性欠佳的不足,最后实验验证了本文算法的有效性.
目的 攷慮到融閤校正揹景權重直方圖(CBWH)的Mean Shift(MS)目標跟蹤算法隻有CBWH更新而缺少目標模闆更新,以及在目標遮擋時魯棒性欠佳的不足.方法 結閤卡爾曼濾波器(KF)在目標狀態預測和參數更新方麵的可靠性,將兩層KF框架融入融閤CBWH的MS.第1層KF框架為目標位置預測層,通過KF譟聲與巴氏繫數之間的關繫,實現跟蹤結果的自適應調整,減少遮擋對跟蹤結果的影響;第2層KF框架為目標模闆更新層,通過KF對目標模闆中的每箇非零元素進行濾波,實現目標模闆與CBWH的同步更新,減少目標特徵變化對跟蹤結果的影響.結果 在揹景榦擾、遮擋以及特徵變化等條件下進行實驗,得到本文算法、融閤CBWH的MS和傳統MS的平均跟蹤誤差分彆為5.43、19.2和51.43,顯示本文算法的跟蹤精度最高.同時本文算法也具有良好的實時性.結論 本文算法在融閤CBWH的MS基礎上,加入兩層KF框架,解決瞭原算法缺少目標模闆更新和在目標遮擋時魯棒性欠佳的不足,最後實驗驗證瞭本文算法的有效性.
목적 고필도융합교정배경권중직방도(CBWH)적Mean Shift(MS)목표근종산법지유CBWH경신이결소목표모판경신,이급재목표차당시로봉성흠가적불족.방법 결합잡이만려파기(KF)재목표상태예측화삼수경신방면적가고성,장량층KF광가융입융합CBWH적MS.제1층KF광가위목표위치예측층,통과KF조성여파씨계수지간적관계,실현근종결과적자괄응조정,감소차당대근종결과적영향;제2층KF광가위목표모판경신층,통과KF대목표모판중적매개비령원소진행려파,실현목표모판여CBWH적동보경신,감소목표특정변화대근종결과적영향.결과 재배경간우、차당이급특정변화등조건하진행실험,득도본문산법、융합CBWH적MS화전통MS적평균근종오차분별위5.43、19.2화51.43,현시본문산법적근종정도최고.동시본문산법야구유량호적실시성.결론 본문산법재융합CBWH적MS기출상,가입량층KF광가,해결료원산법결소목표모판경신화재목표차당시로봉성흠가적불족,최후실험험증료본문산법적유효성.
