结合尺度估计MST和粒子滤波的视频目标跟踪

发布时间：2022-10-08 12:12

　　在视频序列的实时目标跟踪中,针对经典均值漂移跟踪（MST）方法不能应对遮挡、尺度变化等问题,提出一种结合MST、自学习尺度探测器和粒子滤波的跟踪方法。采用MST算法在视频帧中跟踪目标,当目标收敛到局部最小值时重新初始化目标。提出一种基于在线学习的探测器,用来自适应更新MST的目标模型,使其能够自动调整目标尺度。另外,当出现完全遮挡时,启动粒子滤波器,通过概率计算来估计目标位置,使MST能够在目标离开遮挡时恢复跟踪。在通用数据集PETS视频序列上的实验结果表明,相比其他几种较新的MST方法,提出的方法具有更高的跟踪准确性,可以应用于实时检测和目标跟踪等应用中。 

【文章页数】：7 页

【文章目录】：
1 引言
2 目标跟踪方法的框架
3 均值漂移跟踪器
    3.1 均值漂移算法
    3.2 跟踪器的模型更新
4 具备在线学习的探测器
    4.1 方差滤波器
    4.2 集成分类器
    4.3 模型匹配
    4.4 在线学习
5 基于粒子滤波的位置估计
6 实验及分析
    6.1 实验设定
    6.2 性能指标
    6.3 性能评估
7 结语


【参考文献】：
期刊论文
[1]结合SURF与Kalman滤波的CAMShift跟踪算法[J]. 张磊,彭力.  电子测量与仪器学报. 2017(03)
[2]基于图像分类与多算法协作的目标跟踪算法[J]. 郑浩,董明利,潘志康.  计算机工程与应用. 2018(04)
[3]基于多特征概率分布的均值漂移行人跟踪算法[J]. 王爱丽,董宝田,武鸿源.  华南理工大学学报(自然科学版). 2016(08)
[4]似然相似度函数在目标跟踪中的鲁棒机理研究[J]. 邸男,朱明,韩广良.  软件学报. 2015(01)
[5]融合局部三值数量和色度信息的均值漂移跟踪[J]. 张红颖,胡正.  电子与信息学报. 2014(03)
[6]基于颜色纹理特征的均值漂移目标跟踪算法[J]. 戴渊明,韦巍,林亦宁.  浙江大学学报(工学版). 2012(02)
[7]卡尔曼粒子滤波的视频车辆跟踪算法研究[J]. 王相海,方玲玲,丛志环.  中国图象图形学报. 2010(11)



本文编号：3687690