10.19557/j.cnki.1001-9944.2022.06.016
基于卡尔曼预测粒子滤波的复杂场景图像目标跟踪算法
现有主流目标跟踪算法图像目标跟踪精度较差,无法满足现今复杂场景图像目标的跟踪,故该文提出基于卡尔曼预测粒子滤波的复杂场景图像目标跟踪算法研究.采用ViBe算法提取复杂场景图像中背景,以此为基础,构建图像目标状态转移模型与对应图像目标观测模型,确定目标运动参数的维度与粒子的权重,基于卡尔曼预测粒子滤波估计目标状态,通过粒子反复迭代与重采样,实现复杂场景图像目标的跟踪.实验数据显示,与7种主流算法相比较,提出算法RMSE数值最小,平均值为9.08;目标跟踪窗口较为规范,并且窗口内包含背景信息较少;在不同背景复杂度下,目标跟踪误差较小;在不同实验次数下,图像目标跟踪时间较短,平均值为10.30 ms,充分证实了提出算法应用效果较佳.
复杂场景、图像、目标跟踪、实时性、卡尔曼预测粒子滤波
37
TP399(计算技术、计算机技术)
教育部中国高校产学研创新基金;教育部卓越工程师教育培养计划项目产学合作协同育人项目;湖南省普通高等学校教学改革研究项目;湖南省社会科学成果评审委员会一般项目
2022-06-28(万方平台首次上网日期,不代表论文的发表时间)
共5页
74-78