针对Camshift跟踪算法无法适应目标的高速运动、背景复杂和遮挡的情况，提出了一种改进算法。将Kim算法和卡尔曼滤波状态预测引入，用Kim算法提取运动目标区域信息，根据以往目标位置点的信息对当前帧中目标的可能位置预测，解决了传统Camshift算法的一些局限。实验表明改进算法在目标高速运动、遮挡情况下，仍能进行有效跟踪。
2021-12-01 10:28:19
560KB
1
为解决常规的基于粒子滤波的目标跟踪算法,使用状态转移分布作为采样粒子的建议分布函数,没有考虑当前的观测值,从而造成定位时间长、定位精度低的问题.采用将最新的观测值融合到采样过程中,利用粒子群优化方法实现目标的跟踪,使得采样粒子集往后验概率密度分布较大的区域移动,从而显著地降低了精确定位所需的粒子数.研究结果表明:改进后的目标跟踪算法性能更优.
2021-11-23 21:40:28
746KB
1
基于传统粒子滤波的机动目标跟踪方法针对非线性、非高斯系统有较好的估计性能,但是存在粒子退化现象。利用残差重采样算法,可以有效克服粒子滤波的退化问题。本文针对残差重采样算法作进一步研究,提出了一种改进的残差重采样粒子滤波算法。该方法在残差重采样基础上进行改进,可以避免残差重采样中关于残留粒子的重采样问题,在保证精度的前提下提高运行效率,减少运算复杂程度。仿真实验结果表明该算法与残差重采样粒子滤波相比提高了目标跟踪的实时性,并且随着粒子数的增加,这种优势表现得更加明显。
2021-11-22 13:43:26
947KB
1
基于Meanshift的单目标跟踪算法【matlab+c两个版本】
基于meanshift的单目标跟踪算法实现
说明：
1. RGB颜色空间刨分，采用16*16*16的直方图
2. 目标模型和候选模型的概率密度计算公式参照上文
3. opencv版本运行：按P停止，截取目标，再按P，进行单目标跟踪
4. Matlab版本，将视频改为图片序列，第一帧停止，手工标定目标，双击目标区域，进行单目标跟踪。
2021-11-12 19:04:06
8.89MB
目标跟踪算法综述，从相关滤波类算法到深度学习算法，涵括MOSSE，SRDCF，KCF，LADCF，SiamFC，SiamRPN等各种算法原理的综述和比较，了解跟踪算法的发展流程和未来趋势
2021-10-28 16:58:29
6.99MB
1