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:
为解决复杂道路交通场景中的误检问题,提高跟踪效率,提出了一种基于离散小波变换(DWT)和卡尔曼(Kalman)滤波的多运动目标跟踪算法.本文利用DWT对背景和序列图像进行三层分解,仅将低频子图进行背景差分提取了运动目标.在跟踪阶段,建立区域一目标模型,以检测信息作为观测值并利用Kalman滤波进行位置预测;通过匹配预测值和观测值,建立包含稳定目标、丢失目标和新出现目标的三层目标链,并对稳定目标进行Kalman最优估计.采用在线计算获取各运动目标的初始位置和速度,使预测值一开始就接近观测值.通过对实际视频序列进行检测跟踪实验和对比,分析了算法性能.实验结果表明.本文方法具有较高的抗噪声能力、跟踪实时性和准确性.
推荐文章
基于交通视频序列的多运动目标跟踪算法
多运动目标跟踪
运动识别
智能交通系统
车辆跟踪
结合Camshift和Kalman预测的运动目标跟踪
帧间差分阈值
连续自适应均值偏移
卡尔曼滤波
目标跟踪
多运动平台多传感器机动目标自适应跟踪
多运动平台多传感器
机动目标跟踪
模糊推理
UKF
基于Kalman预测和点模式匹配的多目标跟踪
点模式匹配
卡尔曼滤波
置信度
跟踪算法
多目标跟踪
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 基于DWT和Kalman滤波的多运动目标跟踪
来源期刊 数据采集与处理 学科 工学
关键词 多运动目标跟踪 Kalman滤波 背景差分 离散小波变换
年,卷(期) 2008,(5) 所属期刊栏目 理论与试验研究
研究方向 页码范围 563-568
页数 6页 分类号 TP391.41
字数 4240字 语种 中文
DOI 10.3969/j.issn.1004-9037.2008.05.013
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 郑建勇 东南大学电气工程学院 272 4359 35.0 50.0
2 费树岷 东南大学自动化学院 367 3210 27.0 37.0
3 张涛 东南大学自动化学院 93 645 14.0 19.0
4 路红 东南大学自动化学院 11 83 5.0 9.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (131)
参考文献  (12)
节点文献
引证文献  (5)
同被引文献  (0)
二级引证文献  (0)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1981(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(1)
  • 二级参考文献(2)
1998(6)
  • 参考文献(1)
  • 二级参考文献(5)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(7)
  • 参考文献(1)
  • 二级参考文献(6)
2001(5)
  • 参考文献(3)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2006(3)
  • 参考文献(2)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2008(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)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多运动目标跟踪
Kalman滤波
背景差分
离散小波变换
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