嵌入Mean Shift 的粒子滤波目标跟踪算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:

国家自然科学基金(60662003);吉林省教育厅“十二五”科研规划项目([2011]80);吉林市科技计划(201162505)


Particle Filter Algorithm Inserting Mean Shift for Object Tracking
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    传统的粒子滤波算法通常使用大量粒子表示目标状态的后验概率密度函数, 算法的计算量较大, 跟踪的实时性较差, 且无法对快速、遮挡目标进行准确跟踪. 针对以上问题, 提出了一种嵌入Mean Shift(均值偏移)的粒子滤波算法, 该方法充分利用了Mean Shift 聚类作用, 使得粒子分布更加合理, 不但提高了粒子的多样性, 而且有效减少了描述目标状态的粒子数目. 实验结果表明, 改进的目标跟踪算法具有较强的鲁棒性和较好的实时性.

    Abstract:

    Traditional particle filter algorithm needs a large number of particles to show posteriori probability density function of object state, the calculation of this algorithm is large, and the real-time of tracking is poor, so it is hard to track fast and sheltered object accurately. Considering above problems, this paper proposes a new algorithm that is inserting Mean Shift into particle filter algorithm, this method can make full use of clustering effect of Mean shift to make particles distributed more reasonably, which not only improves the diversity of the particles but also greatly reduces the number of particles used to describe object state. The experimental results show that the improved algorithm has stronger robustness and better real-time performance.

    参考文献
    相似文献
    引证文献
引用本文

侯一民,贺子龙.嵌入Mean Shift 的粒子滤波目标跟踪算法.计算机系统应用,2012,21(12):80-84

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2012-05-22
  • 最后修改日期:2012-06-19
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号