在视频监控系统中,由于背景的复杂变化,运动目标经常会出现部分或全部被遮挡的情况。为了在遮挡条件下进行多目标跟踪,针对运动目标发生遮挡情况下的MeanShift跟踪问题进行了研究,提出一种新的抗遮挡算法
针对目标跟踪问题,提出一种新的节点协同跟踪方法,通过节点间邻域拓扑结构协同建立各节点的关联性,对目标进行协作监测与跟踪。算法根据节点信息共享时的传播差异,通过节点间的传播概率准确计算各节点捕捉增益,从
在保证高跟踪准确度的基础上,降低节点的能耗,延长网络的寿命是目标跟踪的核心问题。为此,提出了一种基于预测的动态分簇目标跟踪算法Pre-DC。该算法首先建立动态的簇结构,然后利用粒子滤波算法实现簇对目标
为克服光照变化和目标遮挡对运动目标跟踪的影响,提出了一种基于改进的局部敏感直方图的多区域目标跟踪算法。改进了局部敏感直方图并设计了快速算法;将改进的局部敏感直方图作为多区域跟踪算法中的目标建模方式,提
针对压缩跟踪不能适应目标姿态变化导致跟踪失败的问题,提出了一种基于二值随机森林的目标跟踪算法。该算法对实时压缩跟踪算法的特征提取和分类这两个部分作了改进。首先,在梯度图像上进行多尺度滤波,获得目标的高
目标跟踪是计算机视觉研究领域的热点之一,并得到广泛应用。其中基于MeanShift的运动目标跟踪算法因其计算量小,实时性好,简单易行等特点而受到广泛关注,但该算法在目标突变或严重帧丢失以及目标严重遮挡
针对粒子传播过程中因欠缺观测信息而导致退化现象和异常粒子,提出一种基于试探采样的自反馈目标跟踪算法。该算法在当前帧完成采样后向前试探采样粒子,并且反馈到当前帧,此举是利用未来帧提前采样形式把观测信息融
单独的方位估计,在低信噪比下,会出现偏差。为了准确估计,提出了基于随机共振的微弱信号方位估计方法。。首先经随机共振后得到信噪比提高的信号,然后再由方位估计算法来估计出目标方位。利用方位估计中的CBF、
Video target tracking algorithm
为提高目标与背景对比度低、相似物体干扰等复杂环境下目标跟踪的效果,提出将在线学习选择最优颜色特征嵌入跟踪算法中,以改善跟踪的稳定性。以当前时刻目标的区域为目标区域,利用卡尔曼滤波预测目标的下一时刻位置