复杂背景下MeanShift结合Kalman滤波的车辆跟踪算法

• 作者: 苏灵松
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 复杂背景 车辆跟踪 MeanShift Kalman滤波
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 信息技术及图像处理
• 页码范围: 71-75
• 页数: 5页
• 分类号: TN911
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.1701272

摘要

针对复杂背景下车辆跟踪的难点,提出一种新的跟踪算法来更好地实现复杂背景下的车辆跟踪.该算法融合MeanShift和Kalman两种跟踪方法各自的优点,即在MeanShift跟踪过程中插入Kalman预测车辆下一步的运动位置.首先,通过设置好Kalman滤波功能选择的阈值,对MeanShift的跟踪结果进行判断,若MeanShift跟踪结果理想,则Kalman滤波的功能是平滑跟踪结果;若跟踪结果不理想,则Kalman滤波的功能是预测下一帧车辆的位置.最终试验结果说明该算法能有效提升跟踪精度和鲁棒性,实时性提高了17％左右,车辆丢失率降低了20％～30％左右,能更好地针对复杂背景下完成对车辆的跟踪.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏灵松		2	3	1.0	1.0