宁波市科技局自然科学基金(2010A610109)
- 作品数：4 被引量：12H指数：2
- 相关作者：陈恳郭运艳宋康康张萌李娜更多>>
- 相关机构：宁波大学中国科学院电子学研究所更多>>
- 发文基金：宁波市科技局自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 在线提高卡尔曼滤波跟踪精度的参数研究被引量：1
- 2012年
- 为了在线提高卡尔曼滤波算法(KF)的跟踪精度,对随机序列进行高斯度的定义,将随机序列的分布分为超高斯、高斯、次高斯和非高斯,找出KF可以工作的范围。针对噪声服从次高斯分布时,KF跟踪精度不高,介绍了两个可以判断KF使用过程中设定的噪声协方差与实际是否一致的参数。提出了参数自适应的方法,使设定的噪声协方差与实际值可以自适应地一致,从而提高了KF的跟踪精度。实验结果表明,噪声服从高斯和超高斯分布时,KF跟踪精度很高;噪声服从次高斯分布时,若噪声协方差的设定值与实际值不一致,跟踪误差会很大,对此使用了参数自适应法,可以大大提高KF的跟踪精度。
- 张萌陈恳
- 关键词：卡尔曼滤波自适应参数
- 漂移系数优化颜色直方图的Mean Shift算法被引量：1
- 2014年
- 基于颜色直方图的传统Mean Shift视频目标跟踪算法,容易受到背景信息的干扰而造成定位偏差。针对此问题,提出了一种基于漂移系数的加权颜色直方图算法。根据核窗口内每个像素提供系数的大小,抑制对漂移贡献小的颜色特征,从而增强目标特征的刻画,并通过抑制背景信息和引入新的目标信息来更新模板。实验结果表明,该算法定位跟踪效果优于背景直方图加权算法,并且迭代次数更少。采用模板更新后,跟踪性能更加稳定。
- 宋康康陈恳郭运艳
- 关键词：SHIFT算法
- 卡尔曼滤波与粒子滤波之间跟踪模式的优化被引量：4
- 2012年
- 鉴于卡尔曼滤波(Kalman Filter,KF)和粒子滤波(Particle Filter,PF)都是贝叶斯估计的一种,粒子滤波比卡尔曼滤波应用广泛,而卡尔曼滤波比粒子滤波使用简便,提出了一种算法在卡尔曼滤波和粒子滤波之间切换的跟踪模式。定义出算法性能评价参数,使参数可以在线反映算法的好坏;通过仿真使噪声不满足卡尔曼使用条件,确定切换是否可行,结合实际情况定义切换条件;应用至实际视频中。结果证明,卡尔曼滤波与粒子滤波间跟踪模式的优化是可行的。
- 张萌陈恳李娜惠明
- 关键词：卡尔曼滤波粒子滤波
- 深度信息辅助的均值漂移目标跟踪算法被引量：6
- 2013年
- 参考目标模型中混入的背景噪声会弱化目标特征的描述,导致目标跟踪定位误差。为减少误差,依据目标与背景处于不同深度平面的特点,提出了基于深度信息辅助的和改进的背景加权直方图的Mean Shift跟踪算法,能够有效削弱核窗口中的背景干扰信息,突出目标的颜色特征信息,并适时自适应更新核带宽,减少因目标尺寸变小时引入较多的背景干扰信息。实验结果表明该算法迭代次数更少,具有良好的跟踪定精度。
- 宋康康陈恳郭运艳
- 关键词：深度信息均值漂移带宽自适应颜色直方图
