基于改进 Mean Shift 的运动目标跟踪算法
为了提高传统 Mean Shift 算法在目标快速运动和被大面积遮挡两种情况下跟踪的效果,对 Mean Shift 跟踪算法进行了3点改进:采用 Kalman 滤波器预测运动目标轨迹,以提高算法对快速运动目标的鲁棒性;提出了一种融合Kalman 滤波器残差和 Bhattacharyya 系数的遮挡处理机制,以提高目标被大面积遮挡时的跟踪效果;提出了一种基于自适应更新因子的目标模型更新机制,以提高动态适应能力。对比实验结果表明,改进算法能有效提高在上述两种情况下的跟踪效果,并且在遮挡情况下具有较好的鲁棒性。
均值漂移、卡尔曼滤波器、遮挡处理、目标跟踪
37
TP391(计算技术、计算机技术)
2016-07-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
127-130