共查询到18条相似文献，搜索用时 265 毫秒
1.
针对均值偏移算法在跟踪目标发生形变和遮挡时丢失问题,提出了一种自适应目标检测、核函数带宽可变、Kalman滤波预测和重心轨迹跟踪的改进均值偏移算法（KPKM）。该算法利用目标检测中得到的外接矩形和重心作为均值偏移算法的初值,用改进的Kalman滤波器预测目标运动趋势,使本算法能沿着梯度方向快速收敛到目标中心。实验和仿真结果表明,该方法实现了在复杂场景下,对运动目标的精确检测和准确跟踪。 相似文献
2.
教室环境中人群密度高、重叠部分较大的特点会给人数统计工作带来困难。基于深度学习 YOLOv3 目标检测算法对学生目标进行检测,并加入 Deep-Sort 算法为核心实时追踪方法,对 YOLOv3 算法检测到的学生目标进行一段时间的跟踪,从而克服传统视频人数统计方法中忽略视频上下帧关联信息的缺点,并且能更好地解决视频遮挡问题。目标检测方法中的损失函数用 tan 方损失函数代替原有交叉熵损失函数,跟踪算法中的卡尔曼滤波算法采用 Levenberg-Marquardt 对修正后的轨迹预测予以优化。最后,对该方法进行性能评价与对比实验,包括是否加入上下文信息对比以及与 SVM 目标检测算法作对比。实验结果表明,此方法在测试集中,加入上下文信息后准确率达 93.4%,召回率达 81.4%。对比 SVM,该方法在教室视频人数统计中准确率提升2.1%,召回率提升 8.9%。 相似文献
3.
甘志英 《唐山师范学院学报》2023,(6):78-82
针对目标跟踪中的快速运动、旋转、遮挡等问题,采用核函数算法实现目标跟踪。利用卷积实现密集采样,使用高斯核函数岭回归估计目标位置,在线更新高斯模型和核相关滤波器。通过OTB数据集对算法进行实验验证,结果表明,算法Precision能达到69.7%,Success达到66.8%,跟踪速度达412fps。实验表明,算法在跟踪过程中可对旋转、模糊、遮挡图像中的目标进行有效跟踪,在多个指标上优于其它比较算法。 相似文献
4.
5.
6.
针对基于颜色特征的核相关滤波(CN)算法难以适应尺度变化的问题,提出一种自适应尺度跟踪方法,通过单独学习一种滤波器完成尺度估计。首先对一组不同尺度上的目标外观进行采样,然后通过采样的目标外观训练尺度滤波器,最后通过尺度滤波器对目标尺度的估计确定最佳尺度。选取10组视频序列进行测试,并与其它4种算法进行对比。实验结果表明,该算法在平均中心位置误差（CLE）、距离精度(DP)以及成功率(SR)方面都优于其它算法,并且对尺度变化、遮挡、旋转、光照变化等情况都有很强的鲁棒性。 相似文献
7.
传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。 相似文献
8.
提出一种基于自适应级联滤波的多分量非平稳网络入侵的高效检测算法。进行网络入侵的多分量非平稳信号模型构建,在此基础上设计自适应级联滤波算法,实现对网络入侵干扰滤波和信号的检测。给定网络入侵信号处于低信噪比的网络数据交互环境下,利用自适应滤波器方法来确定信号频率,用一个四阶累积量表示自适应滤波器的传递函数,利用过去输入样本的有限线性组合来进行自适应滤波,实现算法改进。仿真结果表明,该算法能在低信噪比下高效地检测出网络入侵信号,网络入侵的两个分量特征的频谱特征聚焦性能较好,实现了对入侵特征的准确检测。在相同条件下,检测准确率提高了25.67%,有效保证了网络安全。 相似文献
9.
对单站雷达三维空间机动目标的跟踪方法进行了研究,选取匀速运动模型分别组合"当前"统计模型和Singer模型的两种交互多模型跟踪滤波算法来处理三维空间机动目标测量数据并进行仿真分析,仿真结果表明,IMM算法的滤波结果优于单模型滤波,验证了算法对机动目标的跟踪有效性。 相似文献
10.
本文采用了一种运动目标存在情况下的背景重建算法,能较好地抑制外界环境变化带来的影响。该运动目标检测算法通过一定数量帧的学习、统计,找到各坐标点像素灰度等级的分割阈值。在对当前帧图像进行背景差分后,分割出运动目标区域。若存在运动目标,则根据串行边界跟踪算法获得运动目标轮廓。获得边界后,模型将绘制方框显示运动物体,并发出警报。该运动目标检测模型用VisualC＋＋给予实现。 相似文献
11.
目前主流的判别式目标跟踪模型大多使用灰度、颜色等手工特征,在目标快速移动或受到视频序列背景等因素干扰情况下,目标跟踪器可能在跟踪目标时学习到错误特征而导致跟踪失败。因此,提出一种结合深度特征的相关滤波跟踪算法。首先将待跟踪目标图像输入至卷积神经网络中,提取出较高层的卷积特征,然后将提取的卷积特征输入相关滤波器中得到响应,最后根据响应峰值得到追踪结果。以VOT2016中包含人体运动的视频序列为实验数据集,并分别与CN、SAMF及KPDCF模型进行对比。实验结果表明,结合深度特征的相关滤波算法具有较好的追踪性能,在不大幅降低追踪速度的情况下,提升了追踪精度和稳定性。 相似文献
12.
针对condensation目标跟踪算法中用先验转移概率作建议分布函数时没有充分考虑最新观测信息的缺点,提出了一种基于均值移动重要性采样的粒子滤波人脸跟踪算法.算法首先利用均值移动跟踪器粗略定位人脸目标,然后再用此跟踪结果去构造建议分布函数进行粒子传播.由于通过该方法所构造的建议分布函数中包含了最新的观测信息,所以它可以使大多数粒子点都能分布在真实状态区域周围,进而提高了粒子传播的准确性.人脸跟踪结果表明,该算法的跟踪性能明显优于标准condensation方法. 相似文献
13.
This novel method of Pedestrian Tracking using Support Vector (PTSV) proposed for a video surveillance instrument combines the Support Vector Machine (SVM) classifier into an optic-flow based tracker. The traditional method using optical flow tracks objects by minimizing an intensity difference function between successive frames, while PTSV tracks objects by maximizing the SVM classification score. As the SVM classifier for object and non-object is pre-trained, there is need only to classify an image block as object or non-object without having to compare the pixel region of the tracked object in the previous frame. To account for large motions between successive frames we build pyramids from the support vectors and use a coarse-to-fine scan in the classification stage. To accelerate the training of SVM, a Sequential Minimal Optimization Method (SMO) is adopted. The results of using a kernel-PTSV for pedestrian tracking from real time video are shown at the end. Comparative experimental results showed that PTSV improves the reliability of tracking compared to that of traditional tracking method using optical flow. 相似文献
14.
INTRODUCTIONObjecttrackingisachallengingandimpor tanttaskincomputervision .Someofthemorepopularapplicationsincludevideosurveillanceinstrument,roboticcontrol,andautonomousve hicularnavigation .Trackingalgorithmsfindhowanimageregionmovesfromoneframetothenext.Thisimpliestheexistenceofanerrorfunc tiontobeminimized ,suchasthesumofsquareddifferences (SSD)betweenthetwoimagere gions.Thiserrorfunctionistheresultofmakingthe“constantbrightnessassumption” .Yet,quiteoftenweareinterestedintrackinga… 相似文献
15.
有源电力滤波器（active power filter, APF）补偿电流跟踪控制要求具有较高的稳态精度和较快的动态响应速度。文章将自适应预测滤波算法应用于无差拍控制,实现APF补偿电流精确控制。根据APF时域数学模型,推导滤波系统的无差拍控制离散方程;通过自适应(finite impulse response filter, FIR)预测滤波算法实现基波电流预测,消除控制系统的计算延迟,给无差拍控制提供所需的指令电流预测值。对预测算法进行MATLAB仿真,验证预测算法的稳态精度和动态跟踪快速性;实验室样机验证控制实验结果证明所提出的控制策略有效的,具有一定的实用性。 相似文献
16.
17.
We propose an algorithm of embedding ensemble tracking in a stochastic framework to achieve robust tracking performance under partial occlusion, illumination changes, and abrupt motion. It operates on likelihood images generated by the ensemble method, and combines mean shift and particle filtering in a principled way, where a better proposal distribution is designed by first propagating particles via a motion model, and then running mean shift to move towards their local peaks in the likelihood image. An observation model in the particle filter incorporates global and local information within a region, and an adaptive motion model is adopted to depict the evolution of the object state. The algorithm needs fewer particles to manage the tracking task compared with the general particle filter, and recaptures the object quickly after occlusion occurs. Experiments on two image sequences demonstrate the effectiveness and robustness of the proposed algorithm. 相似文献
18.
在复杂地物类型背景条件下,多目标跟踪算法通常表现出目标识别与跟踪能力较差问题,特别在被其它地物遮挡后目标跟踪丢失更严重。提出一种改进的基于多源特征提取与特征融合的多目标跟踪算法。为提高目标在复杂背景下的空间分辨力,充分利用对异类物体判别能力较强的高层特征和针对同类不同物体判别能力较强的浅层特征,提高复杂背景下地物目标的识别能力。同时,为了解决物体被遮挡后导致跟踪算法丢失目标问题,利用滤波器获得追踪目标的空间尺度大小,提高跟踪算法的准确性与可靠性。实验表明,多目标跟踪算法识别目标的准确性可达87.5%,误差在[±2.31%]左右,具有良好的尺度估计效果。 相似文献