结合Kalman滤波的时空上下文目标跟踪算法
2018-11-21张新堃
电光与控制 2018年11期
张新堃, 黄 山
(四川大学,成都 610065)
0 引言
目标跟踪是目前计算机视觉领域研究的一个热点,包括了诸如目标定位、智能交通、人工智能、人体跟踪等许多领域,也取得了不少的研究成果[1-2]。时空上下文(Spatio-Temporal Context,STC)[3]目标跟踪算法是一个建立在贝叶斯框架下快速简单且鲁棒性好的目标跟踪算法。
STC目标跟踪算法受到了生物视觉系统的关注焦点机制的启发,在目标跟踪中加入了对时空上下文信息的利用。由于STC目标跟踪算法是一个基于线性贝叶斯框架下的算法,不可避免地会有跟踪目标漂移问题。当目标受到强干扰,比如严重遮挡或者严重形变时局部上下文区域的像素强度和相对位置很大的改变,会导致计算得到的先验概率模型不准确,最后通过计算得到的目标坐标也会与目标实际位置有较大的偏差。文献[4-6]对STC目标跟踪算法进行了改进,有效提升了STC目标跟踪算法的精度,克服了容易漂移等缺点,有了更好的抗干扰性,但是也存在实时性不佳等问题。
针对跟踪过程中出现的严重遮挡和高速高机动等问题,结合Kalman滤波改进了STC目标跟踪算法,在目标快速移动和被遮挡的情况下,仍能有效、稳定地跟踪目标。
1 Kalman滤波算法简介
Kalman滤波算法[7-8]是一种对动态系统的状态序列进行线性最小方差估计的算法,可以通过状态方程和观测方程描述离散的动态系统,即
x(n)=Ax(n-1)+Bu(n)+w(n)
(1)
z(n)=Hx(n)+v(n)
(2)
式中:A是系统状态转移矩阵;H是系统观测矩阵;x(n)为系统状态向量;u(n)是输入向量;w(n)是估计噪声;v(n)是观测噪声。……
登录APP查看全文
