遮挡情况下基于Kalman均值偏移的目标跟踪

信息技术Information Technology2008年第10期 中图分类号:TP391 文献标识码:A 文章编号:1009-2552(2008)10-0048-03基于Kalman滤波原理的运动目标跟踪王 宇1,程耀瑜2(1.中北大学信息与通信工程学院,太原030051;2.中北大学仪器科学与动态测试教育部重点实验室,太原030051)摘 要:应用Kalman滤波原理,对运动目标进行跟踪,缩小目标的搜索范围,实现快速实时跟踪,使跟踪更为准确。

理论分析和实验结果表明,该算法与常规的模板匹配法、直方图模板匹配法等算法相比,有效地提高了目标跟踪的速度及跟踪的准确性。

该算法对运动目标进行跟踪,运行速度可提高三倍。

关键词:运动目标跟踪;模板匹配;Kalman滤波原理Moving target tracking based on Kalman filtering principleWANG Yu1,CHENG Yao-yu2(1.School of Information and Comm unication Engineering,North University o f China,Taiyuan030051,C hina;2.Key Laboratory of Instrum ental Science and Dynam ic Measurement,The Ministryof Education,North University o f China,Taiyuan030051,C hina)Abstract:Applying Kalman filtering principle to tracking moving target can reduce the search range of the target,implement fast rea-l time tracking.The theoretical analysis and the result of the experiment indicate that this algorithm can effec tively enhance the speed of target tracking and veracity c ompared with other routine te mplate matching algorithm and Gray matching algorithm.Applying this algorithm to track moving target the speed of target tracking has quadrupled.Key w ords:tracking of moving target;template matching;Kalman filtering principle0 引言运动目标跟踪的研究对象是视频序列,或者说是图像序列,是指在整个视频序列中监控运动目标的时空变化,如目标的出现与消失,目标的位置、尺寸和形状等。

基于均值偏移算法的运动目标跟踪技术的研究的开题报告一、选题背景和意义随着视频监控技术的不断发展，对于视频中的运动目标跟踪技术的需求越来越高。

运动目标跟踪技术可以对视频中的目标进行实时跟踪，对于安防、航空、交通、环保等行业具有重要的应用价值。

传统的运动目标跟踪算法中，常见的有相关滤波算法、卡尔曼滤波算法、粒子滤波算法等。

而基于均值漂移算法的运动目标跟踪技术，因其易于实现、高效率等特点，越来越受到研究者的关注。

二、研究内容和方法本课题主要研究基于均值漂移算法的运动目标跟踪技术，主要包括以下内容：1.基于均值漂移算法的运动目标跟踪原理研究。

2.针对均值漂移算法的不足之处，提出改进方案，尝试提高算法的准确性和实时性。

3.通过对比基于均值漂移算法和其他经典跟踪算法在不同情景下的跟踪结果，验证改进算法的有效性。

本研究所采用的方法主要有文献研究法、实验分析法、数据统计法等。

三、预期结果1.掌握基于均值漂移算法的运动目标跟踪技术原理。

2.提出基于均值漂移算法的运动目标跟踪技术的改进方案。

3.通过实验验证改进算法的有效性，提高跟踪算法的准确性和实时性。

四、研究进度安排1.2021年9月-10月：文献搜集，对基于均值漂移算法的运动目标跟踪技术做深入了解。

2.2021年11月-2022年2月：研究基于均值漂移算法的运动目标跟踪技术的原理及不足之处，提出改进方案并进行实验验证。

3.2022年3月-2022年5月：撰写论文，准备答辩。

五、参考文献1.等媛媛. 基于均值漂移算法的运动目标跟踪技术研究[D]. 广东工业大学, 2018.2.刘杰,郭江华.基于均值漂移算法的运动目标跟踪算法研究[J].光学精密工程,2013(3):753-758.3.高新生. 基于均值漂移算法的运动目标自适应跟踪研究[D]. 石家庄铁道大学, 2019.。

基于Kalman滤波和Meanshift算法的目标跟踪袁宝红;徐瑶;杜晓婷;李美莲【摘要】如何实现移动目标被其他物体遮挡后,预测其所处位置,并能够实现遮挡结束后恢复目标的跟踪是视频目标检测与跟踪研究方面的一个热点问题.文章将Kalman滤波器对目标位置估计能力与Meanshift跟踪算法相互结合实现视频序列中移动目标检测与跟踪.利用遮挡因子对目标进行遮挡判断,如果没有发生遮挡则使用Meanshift算法进行直接目标跟踪,一旦检测出遮挡则利用Kalman的预测值进行目标新位置的确定,最终实现对运动目标进行跟踪,并通过MATLAB编写程序实现对运动目标的检测与跟踪.【期刊名称】《无线互联科技》【年(卷),期】2016(000)009【总页数】3页(P61-62,87)【关键词】目标跟踪;目标遮挡;meanshift算法;kalman滤波【作者】袁宝红;徐瑶;杜晓婷;李美莲【作者单位】安徽三联学院电子电气工程学院,安徽合肥 230601;安徽三联学院电子电气工程学院,安徽合肥 230601;安徽三联学院电子电气工程学院,安徽合肥230601;安徽三联学院电子电气工程学院,安徽合肥 230601【正文语种】中文视频监控系统已成为渗透到当前的各类社会生活中，传统的视频监控只具备捕获、保存、传输和显示等能力，而视频内容的识别是需要人工实现的，工作量巨大。

随着图形图像处理技术和视频流解码等技术的发展，视频监控市场的智能化需求不断加强，视频智能分析已经成为当前市场视频监控产品一个热门研究内容。

运动目标检测与跟踪作为视频智能分析一个重要基础组成，研究人员开展了大量研究工作，特别是在不同目标分类、特征提取等方面研究尤其突出。

本文作者研究感兴趣点在于如何实现移动目标被其他物体遮挡后，预测其所处位置，并能够实现遮挡结束后恢复目标的跟踪。

Meanshift算法在视频目标检测与跟踪研究方面的贡献有目共睹，已经被无所个典型方案和实验证明，本文研究者前期也进行了相关的研究工作，具体算法研究工作详见参考文献8和参考文献9。

基于Kalman预测器的CT多特征加权目标跟踪算法摘要：针对CT的目标跟踪算法，在外界环境光照改变、目标姿态变化及目标发生遮挡时出现跟踪飘移或丢失目标等问题，提出一种基于Kalman预测器的CT多特征加权目标跟踪算法。

首先根据跟踪目标特征的稀疏特性，利用随机采样在线更新获取特征的离散样本，引入Online?boosting 的多特征加权权值，优化置信图估计，并利用Kalman预测器预测修正跟踪目标区域位置。

对三组不同场景图像序列测试结果表明提出的算法能够快速准确地实现复杂环境下的运动目标跟踪任务，有效地增强了目标特征对纹理改变、光照变化和目标遮挡的稳健性，且继承了传统算法的实时性。

关键词：目标跟踪；压缩跟踪；Online?boosting；卡尔曼预测器中图分类号：TN820.4?34；TP391 文献标识码：A 文章编号：1004?373X（2016）12?0091?05Abstract：Since the target tracking algorithm for compression tracking （CT）has the problems of tracking drifting or target losing when the illumination of external environment changes，target attitude changes and target is covered，a Kalman predictor based target tracking algorithmimporting CT multi?feature weighting is proposed. According to the sparse property of the tracked target characteristic，the online update of random sampling is used to acquire the discrete sample of the characteristic，and the weight of Online?boosting multi?feature weighting is imported to optimize the confidence map estimation. After that the Kalman predictor is used to predict and correct the position of the target area. The image sequences of three different scenes were tested. The test results show that the proposed algorithm can quickly and accurately realize the moving target tracking in complex environment，effectively improve the robustness of target characteristics in the aspects of texture variation，illumination variation and target occlusion，and keeps the real?time performance of the traditional tracking algorithm.Keywords：target tracking；compression tracking；Online?boosting；Kalman predictor0 引言目标检测与跟踪是计算机视觉领域中核心研究内容之一，也是认知科学、机器人学和人工智能共同关心的重要研究课题。

基于均值漂移和卡尔曼滤波的目标跟踪方法詹建平;黄席樾;沈志熙;杜长海【期刊名称】《重庆理工大学学报（自然科学版）》【年(卷),期】2010(024)003【摘要】分析了Mean-shift难以有效跟踪复杂背景下灰度运动目标的主要缺陷,提出了结合Mean-shift和强跟踪滤波器的目标跟踪方法.该方法利用强跟踪滤波器预测目标在当前时刻的起始位置,然后Mean-shift在该位置的邻域内寻找目标所处位置.同时,采用Bhattacharyya系数度量"目标模型"和"候选模型"相似程度,提出一种目标遮挡因子,作为目标被遮挡程度的判断根据,并由此确定"候选模型"是否更换为"目标模型",避免目标模型过度更新.对城区交通环境下的车辆目标进行跟踪.实验结果表明,该方法较原Mean-shift方法可明显提高阻挡情况下的目标跟踪稳定性.【总页数】5页(P76-80)【作者】詹建平;黄席樾;沈志熙;杜长海【作者单位】重庆大学,自动化学院,重庆,400044;重庆大学,自动化学院,重庆,400044;重庆大学,自动化学院,重庆,400044;重庆大学,自动化学院,重庆,400044【正文语种】中文【中图分类】TP391.41【相关文献】1.基于连续自适应均值漂移和立体视觉的无人机目标跟踪方法 [J], 张天翼;杨忠;韩家明;宋佳蓉;朱家远2.基于均值漂移的视觉运动目标跟踪方法 [J], 宁树实;石建学3.基于均值漂移和卡尔曼滤波的目标跟踪方法 [J], 詹建平;黄席樾;沈志熙;杜长海4.基于均值漂移理论的机动单目标跟踪方法研究 [J], 张乐;赵心宇5.基于四通道不可分小波的均值漂移目标跟踪方法 [J], 刘斌;郑凯凯因版权原因，仅展示原文概要，查看原文内容请购买。