基于增量学习的红外目标粒子滤波跟踪方法

• 作者: 史德琴 李俊山 李钊 杨威
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 增量学习 奇异值分解 粒子滤波 目标跟踪
• 年，卷（期）: 2009,（8）
• 所属期刊栏目: 专题技术与工程应用
• 页码范围: 55-57
• 页数: 3页
• 分类号: TP391
• 字数: 2466字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2009.08.018

摘要

针对红外图像序列中目标与背景的对比度低、灰度特征易受噪声影响等特点,提出了一种基于增量学习目标表观模型和粒子滤波的红外目标跟踪方法.通过在线学习机制,利用增量奇异值分解算法对图像特征空间的基向量进行准确更新,从而建立红外目标的鲁棒表观模型.在此基础上,采用粒子滤波对目标状态进行有效预测,实现了红外目标的有效跟踪.实验结果表明,该方法能有效、准确地跟踪红外图像序列中的运动目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李俊山		136	1222	15.0	29.0
2	李钊		22	96	5.0	9.0
3	史德琴		9	29	3.0	4.0
5	杨威		21	84	5.0	8.0