本文關(guān)鍵詞：基于聯(lián)合多特征直方圖的Mean Shift行人跟蹤方法研究

  更多相關(guān)文章： 智能交通 行人跟蹤 均值漂移 直方圖分布 聯(lián)合特征 搜索策略

【摘要】：針對單一顏色特征和目標間遮擋導(dǎo)致跟蹤性能差的缺陷,提出一種聯(lián)合多特征直方圖和Mean Shift算法相結(jié)合的行人跟蹤方法。將目標顏色和邊緣特征使用直方圖模型進行描述,利用運動信息修正顏色、邊緣直方圖核函數(shù),以降低算法受目標形變、背景干擾和局部遮擋的影響。融合多特征直方圖信息構(gòu)建目標和候選目標模型,將其嵌入到Mean Shift跟蹤框架中,實現(xiàn)行人跟蹤。針對目標遮擋丟失問題,提出四步搜索策略法,通過目標周圍環(huán)境、運動等信息捕獲丟失目標。實驗結(jié)果表明,該方法具有較高的準確性,能實時有效地跟蹤行人目標,檢測到的速度、加速度等交通信息與實際采集的相匹配。
【作者單位】： 中國鐵路信息技術(shù)中心信息工程部;北京交通大學(xué)交通運輸學(xué)院;
【關(guān)鍵詞】： 智能交通 行人跟蹤 均值漂移 直方圖分布 聯(lián)合特征 搜索策略
【基金】：中國鐵路總公司科技研究開發(fā)計劃(2014X009-A) 國家高技術(shù)研究發(fā)展計劃(863計劃)(2009AA11Z207) 高等學(xué)校博士學(xué)科點專項科研基金(20110009110011)
【分類號】：TP391.41;U298.2
【正文快照】： 信息是智能交通系統(tǒng)(ITS)的靈魂,實時準確地獲取交通流中運動目標的信息可以提高ITS的實施效果,對交通規(guī)劃、設(shè)計、管理和控制等意義重大。近年來,計算機視覺技術(shù)的發(fā)展為ITS提供了有力工具,運動目標跟蹤技術(shù)是其重要的組成部分[1-2],是獲取交通場景內(nèi)交通信息的主要途徑,也是

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 康一梅;謝晚冬;胡江;黃琪;;目標尺度自適應(yīng)的Mean Shift跟蹤算法[J];兵工學(xué)報;2011年02期

2 張恒;李立春;于起峰;;尺度方向自適應(yīng)Mean Shift跟蹤算法[J];光學(xué)精密工程;2008年06期

3 單俊;曹俊;唐亮;;MEAN SHIFT尺寸鏈在某車型尾燈優(yōu)化中的應(yīng)用[J];汽車工程師;2012年05期

4 章學(xué)靜;陳禾;楊靜;;結(jié)合卡爾曼濾波和Mean Shift的抗遮擋跟蹤算法[J];北京理工大學(xué)學(xué)報;2013年10期

5 顏佳;吳敏淵;陳淑珍;張青林;;跟蹤窗口自適應(yīng)的Mean Shift跟蹤[J];光學(xué)精密工程;2009年10期

6 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王立琦;燕小強;馬小玲;;結(jié)合交互式多模型的Mean Shift算法[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 徐文濤;基于Mean Shift的高分辨率遙感圖像分割研究[D];浙江工業(yè)大學(xué);2015年

2 袁開宇;基于mean shift的目標跟蹤及軌跡聚類[D];南昌航空大學(xué);2015年

3 李勇;基于Mean Shift無人機高分辨率遙感影像分割方法研究[D];四川農(nóng)業(yè)大學(xué);2015年

4 鄭永威;Mean Shift算法研究及其在視頻目標跟蹤中的應(yīng)用[D];山東大學(xué);2013年

5 師揚;Mean Shift結(jié)合拓撲約束法進行高密度細胞追蹤[D];哈爾濱工程大學(xué);2011年

6 張寶明;基于DSP目標跟蹤Mean Shift算法的研究與實現(xiàn)[D];長春理工大學(xué);2013年

7 謝捷;尺度自適應(yīng)的擴展Mean shift跟蹤算法[D];南京郵電大學(xué);2013年

8 楊輝;基于Mean Shift算法的運動目標檢測與跟蹤[D];武漢工程大學(xué);2013年

9 胡波;基于Mean Shift算法和卡爾曼濾波的視頻目標跟蹤技術(shù)研究[D];寧波大學(xué);2010年

，

本文編號：992431