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:
传统的KCF跟踪算法利用FHOG特征对目标进行描述训练分类器从而实现预测跟踪,当出现的光照变化、目标与背景颜色相似、目标尺寸变化等问题,易发生跟踪结果不准确甚至目标丢失.因此,本文提出了基于Kalman滤波的KCF跟踪算法.首先,使用HOG特征和HSV颜色特征描述要跟踪的运动目标.其次,在跟踪过程中,引入了自适应尺度估计的方法.最后,本文提出的改进的跟踪算法将KCF框架与Kalman滤波器进行融合,获取视频第一帧目标信息后先用Kal-man算法预测运动目标的位置,根据预测的目标位置对KCF算法的分类器进行训练,再使用KCF算法得到的检测结果更新Kalman滤波器,确定视频序列下一帧中目标的位置.在实验室采集的AGV数据集上对改进的算法进行了多次测试,在目标发生光照变化、快速运动、尺寸变化等复杂情况下,本文算法有较强的鲁棒性.
推荐文章
一种基于多相关滤波器组合的目标跟踪方法
目标跟踪
相关滤波
尺度评估
模型自适应更新
改进的核相关滤波目标跟踪算法
视频跟踪
核相关滤波
尺度计算
角度计算
遮挡检测
结合Kalman滤波器的SIFT目标跟踪算法
尺度不变特征变换算法
卡尔曼滤波
目标识别
特征点提取
基于遗传粒子滤波器的运动目标实时跟踪
粒子滤波器
遗传算法
自适应特征选择
跟踪
boosting算法
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 基于核相关滤波器的未标记AGV目标跟踪算法
来源期刊 智能计算机与应用 学科 工学
关键词 核相关滤波 目标跟踪 AGV Kalman滤波 颜色特征
年,卷(期) 2019,(5) 所属期刊栏目 学术研究与应用
研究方向 页码范围 115-120
页数 6页 分类号 TP391.41
字数 4026字 语种 中文
DOI
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 梁鉴如 上海工程技术大学电子电气工程学院 34 54 4.0 5.0
2 陈应应 上海工程技术大学电子电气工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (64)
共引文献  (62)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(7)
  • 参考文献(2)
  • 二级参考文献(5)
2013(7)
  • 参考文献(1)
  • 二级参考文献(6)
2014(11)
  • 参考文献(1)
  • 二级参考文献(10)
2015(11)
  • 参考文献(1)
  • 二级参考文献(10)
2016(11)
  • 参考文献(2)
  • 二级参考文献(9)
2017(5)
  • 参考文献(3)
  • 二级参考文献(2)
2018(3)
  • 参考文献(3)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
核相关滤波
目标跟踪
AGV
Kalman滤波
颜色特征
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
智能计算机与应用
双月刊
2095-2163
23-1573/TN
大16开
哈尔滨市南岗区繁荣街155号(哈工大新技术楼916室)
14-144
1985
chi
出版文献量(篇)
6183
总下载数(次)
26
总被引数(次)
14240
论文1v1指导