基于Mean-Shift的卡尔曼粒子滤波车辆跟踪算法研究

• 作者: 张蕾 权义萍 杨道业 金鑫
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 智能交通系统 车辆跟踪 均值漂移 粒子滤波 卡尔曼滤波器
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 算法
• 页码范围: 236-239,252
• 页数: 5页
• 分类号: TP391.4
• 字数: 4327字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.09.059

摘要

在视频车辆跟踪算法中针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不准确性，提出一种基于Mean-Shift的卡尔曼（Kalman）粒子滤波算法。该算法利用建立基于目标颜色直方图特征模型对视频车辆目标进行建模，并将其与Kalman滤波相结合进行更新；通过采用Mean Shift算法将Kalman滤波器引用到粒子滤波器当中，通过预测迭代，从而达到对车辆的运行轨迹的修正。将先验信息预测与粒子滤波相结合在保持跟踪系统整体上的非线性、非高斯性，兼顾了卡尔曼滤波局部的线性高斯特性。实验结果表明，该方法与传统粒子滤波方法相比，具有较好的实时性和较高的准确率，能够准确稳定地对目标车辆进行跟踪。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨道业	南京工业大学自动化与电气工程学院	33	273	12.0	15.0
2	张蕾	南京工业大学电子与信息工程学院	32	61	5.0	6.0
3	金鑫	南京工业大学自动化与电气工程学院	14	66	5.0	8.0
4	权义萍	南京工业大学自动化与电气工程学院	8	74	4.0	8.0