针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法.利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性.实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能.
参考文献
[1] | Welch G,Bishop G.An introduction to the kalman filter[R].Carolina:University of North Carolina at Chapel Hill,1997. |
[2] | 毛克诚,孙付平.扩展卡尔曼滤波和采样卡尔曼滤波性能比较[J].海洋测绘,2006,26(5):4-6. |
[3] | Gordon N,Salmond D.Novelapproach to nonlinear/non-Gaussian Bayesian state estimation[J].IEE ProceedingsF,1993,140(2):107-113. |
[4] | Doucet A,Godsill S,Andrieu C.On sequential Monte Carlo sampling methods for bayesian filtering[J].Statistics and Computing,2000,10(3):197-208. |
[5] | Shan C F,Wei Y C,Tan T N.Real-time hand tracking by combining particle filtering and mean shift[C]//Proc.of the 6th IEEE International Conference on Autormatic Face and Gesture Recognition,Seoul,Korea:IEEE Computer Society,2004:669-674. |
[6] | 魏坤,赵永强,潘泉,等.基于均值漂移和粒子滤波的红外目标跟踪[J].光电子激光,2008,19(2):213-217. |
[7] | 朱永松,国澄明.基于相关系数的相关跟踪算法研究[J].中国图象图形学报,2004,9(8):963-967. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分:
-
10%
-
20%
-
30%
-
40%
-
50%