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:
Particle Filter算法有较好的跟踪鲁棒性,但实时性差;Camshift算法计算速度快,但它属于半自动跟踪,所以都无法有效避免复杂背景的干扰.为了解决上述问题,提出了基于Camshift和Particle Filter的融合算法.该算法首先利用Particle Filter来自动搜索小目标的初始位置,接着采用Camshift跟踪小目标,然后通过度量因子自适应切换Camshift和Particle Filter来跟踪短时丢失的目标.利用复杂背景下的飞行小目标图像序列,与序贯相似性检测算法(SSDA)、Camshift和Particle Filter做对比实验.结果表明算法不仅能实现小目标的全自动跟踪,而且还降低了跟踪效果受目标形变和部分遮挡的影响,对小目标跟踪具有较高的鲁棒性和实时性.
推荐文章
基于CamShift和Kalman组合的改进目标跟踪算法
目标跟踪
CamShift算法
卡尔曼滤波
基于阈值判断的CamShift目标跟踪算法
CamShift算法
OTSU算法
Snake模型
阈值判断
目标跟踪
基于Camshift与Kalman的目标跟踪算法
目标跟踪
Camshift算法
Kalman滤波
目标遮挡
基于Camshift算法的运动目标实时跟踪系统
目标跟踪Camshift算法
摄像机
串口通信
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Camshift和Particle Filter的小目标跟踪算法
来源期刊 计算机工程与应用 学科 工学
关键词 飞行小目标 融合算法 序贯相似性检测算法(SSDA) Camshift Particle Filter
年,卷(期) 2011,(9) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 192-195,199
页数 分类号 TP391.41
字数 5264字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.09.056
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 崔建国 沈阳航空工业学院自动化学院 87 573 15.0 20.0
2 李忠海 沈阳航空工业学院自动化学院 51 366 10.0 17.0
3 王莉 沈阳航空工业学院自动化学院 15 37 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (54)
参考文献  (6)
节点文献
引证文献  (19)
同被引文献  (80)
二级引证文献  (82)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(4)
  • 参考文献(4)
  • 二级参考文献(0)
2011(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)
2013(5)
  • 引证文献(5)
  • 二级引证文献(0)
2014(6)
  • 引证文献(2)
  • 二级引证文献(4)
2015(11)
  • 引证文献(3)
  • 二级引证文献(8)
2016(9)
  • 引证文献(2)
  • 二级引证文献(7)
2017(16)
  • 引证文献(1)
  • 二级引证文献(15)
2018(26)
  • 引证文献(5)
  • 二级引证文献(21)
2019(21)
  • 引证文献(1)
  • 二级引证文献(20)
2020(7)
  • 引证文献(0)
  • 二级引证文献(7)
研究主题发展历程
节点文献
飞行小目标
融合算法
序贯相似性检测算法(SSDA)
Camshift
Particle
Filter
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导