卡尔曼粒子滤波的视频车辆跟踪算法研究
近年来,视频车辆跟踪作为城市智能交通系统(ITS)的一个关键技术受到关注.针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不准确性,提出一种基于卡尔曼(Kalman)粒子滤波的视频车辆跟踪算法,该算法利用基于重要区域的目标颜色直方图统计模型对视频车辆目标进行建模,并将其应用于Kalman滤波更新中,通过采用Mean Shift算法将Kalman滤波器引用到粒子滤波器当中,对车辆的运行轨迹进行校正,实现了局部线性滤波,实现了在保持跟踪系统整体上的非线性、非高斯性的同时,兼顾其局部的线性高斯特性.实验结果表明,本文方法与传统粒子滤波方法相比,即使在复杂的环境下,也能够较准确地对车辆进行跟踪.
视频车辆跟踪、粒子滤波、卡尔曼滤波、Mean Shift
15
TP391(计算技术、计算机技术)
辽宁省自然基金项目20102123;辽宁"百千万人才工程"基金项目2008921036;南京邮电学院图像处理与图像通信江苏省重点实验室开放基金项目ZK207008
2011-03-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
1615-1622