文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 一种动态模板匹配的卡尔曼滤波跟踪方法
侵权投诉

一种动态模板匹配的卡尔曼滤波跟踪方法

在视频跟踪系统中,运动目标检测是实现跟踪的前提和难点。为了能够有效地检测出目标,提出了一种基于动态模板匹配和卡尔曼滤波的目标跟踪算法。首先将前两帧图像差分检测运动目标区域,提取特征点;然后利用卡尔曼滤波在搜索区域中找到与目标模型最匹配的候选目标位置并与当前帧目标模板进行匹配;最后将特征点流失率作为限定阈值,采用模板更新策略动态更新模板。跟踪实验表明

3 0

光电工程

21年 1 00 0月

态的变化,而且能够检测到目标被遮挡以及当遮挡发生时,制定合适的模板修正策略继续跟踪,并且在离开遮挡时重新获取目标。 鉴于以上问题,本文提出了一种基于新的动态模板匹配与卡尔曼滤波相结合的目标跟踪方法。模板更新方法为将提取 SF (度变化特征不变 )点,根据特征点流失机制判定匹配模板是否需要更新目标模 IT尺特征

板。而卡尔曼滤波算法根据新测量的数据和前一时刻的参数估计值,借助于系统本身的状态转移方程,即

可算出新的参数估计值。对当前已被提取的运动目标做下一步的运动预测,可以缩小目标搜索匹配范围, 从而加速目标匹配的速度。在目标姿态变化、遮挡等过程中,窗口会随着之而自适应目标的变化,使得长 时间、长距离、动态跟踪成为可能。

1基于动态模板匹配和卡尔曼滤波相融合的目标检测 卡尔曼滤波是一种高斯

噪声下的最优估计,采用状态转移模型描述动态系统,它的输出只依赖于当前的输入和前一时刻的输出。滤波过程是以不断地“测一修正”的递推方式进行计算。先进行预测值计算,预 再根据观测值得到的新信息和卡尔曼增益,对预测值进行修正。

图 1基于动态模板匹配和卡尔曼滤波的目标跟踪算法框图 Fg1 B o kd ga o o jc t c ig lo i m ae l o i n n mi m l e thn dK l n l r i. lc i rm b tr kn g r h b sdO mb igd a c t pa c ig n a a f e a a t ic n y se t ma a ma t i fe

1 )首先进行目标模板初始化,获得目标模板。通过图像相邻两帧的差,获得差分图像。 1]i i ,I -I 1 _1 _> =

㈣

式中:和 H分别代表当前帧和前一帧图像,l一 l ,为两帧求帧间差分;为选取二值化阈值; ,) D ( Y 为差分的二值图像在坐标 (,) Y位置处的灰度值。然后用矩形框和质心来确定运动目标区域。目标区域构在 成的矩形框内提取目标特征点。

2 )利用卡尔曼滤波预测目标位置。再根据卡尔曼预测结果,确定当前目标帧中目标搜索区域,并修正 卡尔曼滤波器。

卡尔曼预测方程: 预测修正系数为预测均方误差为

( 1=AS() () () S]+ ),+ ,一C () z z H()一 nC n=A )+尺 ( )+1=[ ) A一日()一 +Q() c]。 ) (,?

其中: A为状态转移矩阵, c为量测矩阵,为量测噪声协方差矩阵, () Q是系统噪声协方差矩阵, (+ ) 1 为最佳预测值, (为观测值,日(:A n。, z ) ) K()为的后验状态估计, B、 A、 H分别为转移矩阵、控制矩阵和观, 设定为的先验状态估计,

测矩阵。

是系统的外部输入,z是观测值。是量测噪声协方差矩阵,Q是系统噪音协方差矩阵,P

为先验误差协方差。则算法的迭代过程: a n K l滤波完成预测并计算先验误差协方差,= ma Xk A一+ = 一

A+ Q,以预测结果为中心,以据观测模型,获取观测值 z。K la a n滤波进行测量更新, m 十 ),足~

分别计算修正

矩阵、更新后验状态估计和更新误差协方差: K= H k (

一种动态模板匹配的卡尔曼滤波跟踪方法

上一页第2页

你可能喜欢

  • 滤波方法
  • 卡尔曼滤波方法
  • 图像匹配算法研究
  • 卡尔曼滤波代码

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email