Kalman滤波融合优化Mean Shift的目标跟踪分析及研究

2016-03-13 14:36山东凯乐化工有限公司
电子世界 2016年9期
关键词:滤波图像优化

山东凯乐化工有限公司 陈 东 徐 奔



Kalman滤波融合优化Mean Shift的目标跟踪分析及研究

山东凯乐化工有限公司 陈 东 徐 奔

【摘要】简单、稳定是Mean Shift的目标跟踪算法的基本特征,所以,在目标具体的跟踪行动中得到了广泛的应用,然而,也有相应的局限性存在。因此,为了能够更好地掌握该项算法,文章通过下文对Kalman滤波融合优化Mean Shif目标跟踪算法的相关内容进行了阐述。

【关键词】Kalman滤波融合优化;Mean Shift;目标跟踪

为了将跟踪效果提升,文章以 Kalman 滤波融合优化为基础,将 Mean Shift 的目标跟踪算法提了出来,将该跟踪方法中一些难以解决的问题进行了解决。

1 Mean Shit算法的相关分析

1.1 描述目标模型

其一,在对目标模型进行确立时,需要将一个目标型的坐标体系构建起来。假如目标模型的中心坐标用Xo表示,并且,每个像素坐标位置的集合用{Xi}·i=1,2,,,,,,n表示,函数颜色直方图的特征数量可以用m表示,u为基本的概率特征,这样可以将目标模型表达式 构建起来。在通过单调递减的每向同性凸核函数加权处理目标模型个点时,因为遮蔽物或者背影容易遮挡或者干扰到临近边界处的像素值,像素点权重越距目标模板中心距离近,其值就会越大。模型中心同目标像素位置距离越远,影响随之也会相应的减小。

1.2 定位目标

通过多次的迭代来对Mean Shit进行定位,为了在都可以在最大值处控制相似性函数,将后一帧y1的位置在前一帧y0处找出来,并且,依次按照这样的方式去做,只有β>yb-y时,y1=y,才可以将后一帧的最终位置确定出来,从而敲定出最后的目标位置。

1.3 描述候选目标模型

Mean Shit算法在进行目标跟踪时是通过迭代方式来完成的,候选区域是迭代起发区域,在构建候选目标模型计算表达式时,通常会应用构建目标模型的方法。之后完成有关的分析与计算。

1.4 函数相似性分析

在对比候选目标模型图像和前后两帧目标模型图像时,相似的函数在其中发挥着重要的作用。在描述Bhattacharyya 系数时通常会应用这种方法,并且,在0-1之间控制该系数范围,存在着越大的数值,就证明候选目标和目标图像之间越接近,也能够说明有着很小的间距存在于两个图像离散分布间。

2 者融合应用分析

2.1 分割初始运动目标

分割运动目标主要目的是分离出需要被跟踪的运动目标,并且将其可以被进行跟踪的特征提取出来,在分割感兴趣的运动目标时,我们经常会应用到区域生长算法和传统观简单的帧差法。

2.2 将运动目标特征提取出来

在将运动目标准定出来后,假定在背景静止的初始状态下存在着目标,为了用灰度直方图来取代检测到的连续帧模板图,在概率分布图像 反向投影结果的基础上,对差分信息进行分析,然后,将运动目标的特征结果提取出来。

2.3 将Kalman滤波器同优化的Mean Shit算法融合起来跟踪相应的目标

在通过这种方法跟踪相应目标时,首先应该采用有效的方式优化处理Mean Shit算法,主要目的是经过有效的计算调整令搜索框的重心与汇聚的效果可以相一致,在对其进行判断时,可以应用模板反向投影特征和区域内的概率分布图像的符合度来实现。其次,应该同Kanlman滤波器充分的结合起来,由于在光线变化极大或者运动目标速度较快的状态下,对于 一定的要求Mean Shift 算法已经很难满足,应该Kalman 滤波器计算出目标运动系统的一个状态序列线性分布情况。一般情况下,可以对实时可计算、计算量小的滤波方法完成相应的计算。将目标的状态模型确定出来,然后在展开一定的分析计算,将Kanlman滤波的跟踪过程获取出来,在当前帧的具体位置处判断出目标状态模型,然后再同Mean Shit算法结合起来将最为合适的匹配位置找出来,进而确保实时跟踪与检测运动目标。

3 结语

通过上文分析发现,目标遮挡对于现有的Mean Shit算法而言是很难适应的,因此,主要阐述了Mean Shit跟踪方法与Kalman滤波器融合方法的相关内容进行了论述,对跟踪模板进行更新,修正权值。并且,通过大量的实践证明,这样的做法是非常有效的。对此,文章通过上述内容的相关分析与论述,进而为有关单位及研究人员在具体的工作中提供一定的方法论支撑。

参考文献

[1]杨海燕,李春光,刘国栋.基于Kalman滤波和改进的Mean Shift算法的目标跟踪[J].江南大学学报(自然科学版),2013,12(6)﹕693-697.

[2]姜涛,蒋元友,廖敏江.基于Mean Shift和Kalman 滤波相结合的运动目跟踪方法[J].广东通信技术,2015(01)﹕42-46.

[3]韩涛,吴衡,张虎龙.Kalman滤波融合优化Mean Shift的目标跟踪算法[J].光电工程,2014,41(06)﹕56-62.

作者简介:

陈东(1988-),男,山东枣庄人,助理工程师,现就职于山东凯乐化工有限公司,从事信息自动化、安全管理等工作。

徐奔(1987-),男,山东枣庄人,助理工程师,现就职于山东凯乐化工有限公司,从事监控系统研究、计算机软硬件维护等工作。

猜你喜欢
滤波图像优化
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
巧用图像中的点、线、面解题
有趣的图像诗
基于自适应Kalman滤波的改进PSO算法
RTS平滑滤波在事后姿态确定中的应用
基于线性正则变换的 LMS 自适应滤波
基于四元数互补滤波的无人机姿态解算