APP下载

基于Cam-shift的预测跟踪方法分析与改进

2017-11-24刘振宇张百颖

辽宁大学学报(自然科学版) 2017年3期
关键词:背景方法

刘振宇,张百颖

(沈阳工业大学 信息科学与工程学院,辽宁 沈阳 110870)

基于Cam-shift的预测跟踪方法分析与改进

刘振宇,张百颖

(沈阳工业大学 信息科学与工程学院,辽宁 沈阳 110870)

为了在有遮挡等因素干扰的复杂背景下很好的完成移动目标的位置预测跟踪,研究了Kalman滤波与Cam-shift算法结合的方法.Kalman滤波可以较精准地完成移动目标的位置预测,与Cam-shift算法结合可以很好的完成跟踪.在此基础上,提出了一种线性预测与Cam-shift算法结合的目标预测跟踪方法,即将线性预测方法代替Kalman滤波完成预测估计,并将预测估计结果代入Cam-shift算法中进行跟踪.实验表明该方法既可以保证遮挡过程中追踪的准确性,又能减少迭代时间,能够更好地满足实时性的要求.

Cam-shift;Kalman滤波;线性预测;移动目标跟踪;位置预测

0 引言

移动目标轨迹的跟踪和预测是人工智能研究领域不可缺少的一部分,是机器视觉、目标跟踪检测的关键技术.不同的应用背景,有不同的跟踪方法:L-K(Lucas&Kanade)光流法和H-S (Horn&Schunck)光流法[1]不需考虑背景信息,通过给像素点赋予速度矢量,根据目标与背景速度矢量的差异追踪目标,但要求相邻帧之间亮度恒定;图割算法[2]是将目标跟踪问题映射到能量函数中,优化求解出目标区域,计算复杂;Kass提出的Snake模型算法[3-4]是基于轮廓边缘特征的跟踪方法,其能量利用最小,但轮廓初始化复杂;董春利[5]等人通过将粒子滤波和GVF-Snake的结合,提出的自适应非线性滤波算法,对运动和变形目标进行跟踪,但效率较低……

登录APP查看全文

猜你喜欢

背景方法
“新四化”背景下汽车NVH的发展趋势
《论持久战》的写作背景
黑洞背景知识
学习方法
晚清外语翻译人才培养的背景
背景链接
用对方法才能瘦
四大方法 教你不再“坐以待病”!
赚钱方法
捕鱼