基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对Mean-shift跟踪算法中的模型更新问题,提出利用目标历史模型和当前匹配位置处得到的观测模型,对目标核函数直方图进行Kalman滤波,从而对目标模型进行及时更新.在滤波过程中,通过分析滤波残差动态,调整滤波方程中的各种参数.Bhattacharyya系数被用作模型更新的准则.该系统能够有效地处理遮挡、光照变化等干扰,避免了模型的过更新.大量视频序列测试的结果表明,在场景遮挡、光照变化等因素的影响下,算法能够对目标外观以及尺度的变化进行稳健、实时和有效的跟踪.
推荐文章
基于自适应尺度的Mean-shift跟踪算法
图像处理
Mean-shift算法
自适应
尺度空间
基于目标模型自适应更新的mean shift跟踪算法
mean shift算法
Kalman滤波
模型更新
假设检验
融合Mean-shift与粒子滤波改进算法的自适应人脸跟踪
Mean-shift算法
核函数
目标模型
粒子滤波算法
人脸跟踪
自适应
一种自适应色彩融合的Mean-Shift跟踪算法
目标跟踪
Mean-Shift跟踪算法
自适应色彩融合
不等间隔采样
计算机视觉
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 Mean-Shift跟踪算法中目标模型的自适应更新
来源期刊 数据采集与处理 学科 工学
关键词 目标跟踪 Mean-shift 自适应Kalman滤波 模型更新 Bhattacharyya系数
年,卷(期) 2005,(2) 所属期刊栏目 理论与试验研究
研究方向 页码范围 125-129
页数 5页 分类号 TN911
字数 4019字 语种 中文
DOI 10.3969/j.issn.1004-9037.2005.02.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘志 上海交通大学图像处理与模式识别研究所 9 450 6.0 9.0
2 杨杰 上海交通大学图像处理与模式识别研究所 340 5370 35.0 58.0
3 彭宁嵩 上海交通大学图像处理与模式识别研究所 6 440 5.0 6.0
7 周大可 上海交通大学图像处理与模式识别研究所 3 90 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (63)
同被引文献  (34)
二级引证文献  (178)
1975(1)
  • 参考文献(1)
  • 二级参考文献(0)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(3)
  • 引证文献(3)
  • 二级引证文献(0)
2007(8)
  • 引证文献(7)
  • 二级引证文献(1)
2008(17)
  • 引证文献(8)
  • 二级引证文献(9)
2009(22)
  • 引证文献(10)
  • 二级引证文献(12)
2010(26)
  • 引证文献(10)
  • 二级引证文献(16)
2011(26)
  • 引证文献(6)
  • 二级引证文献(20)
2012(33)
  • 引证文献(7)
  • 二级引证文献(26)
2013(16)
  • 引证文献(1)
  • 二级引证文献(15)
2014(23)
  • 引证文献(6)
  • 二级引证文献(17)
2015(17)
  • 引证文献(1)
  • 二级引证文献(16)
2016(23)
  • 引证文献(2)
  • 二级引证文献(21)
2017(11)
  • 引证文献(0)
  • 二级引证文献(11)
2018(10)
  • 引证文献(2)
  • 二级引证文献(8)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
目标跟踪
Mean-shift
自适应Kalman滤波
模型更新
Bhattacharyya系数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导