基于Meanshift优化粒子滤波算法的低空平台下车辆跟踪

J4 ›› 2012, Vol. 50 ›› Issue (03): 535-.

基于Meanshift优化粒子滤波算法的低空平台下车辆跟踪

史红¹, 刘涛², 李鸣³, 沈敏洁⁴

1. 吉林师范大学信息技术学院, 吉林四平 136000|2. 吉林大学计算机科学与技术学院, 长春 130012;3. 吉林省经济信息中心, 长春 130061|
4. 国家专利局专利审查协作北京中心, |北京 100083

收稿日期:2011-09-13 出版日期:2012-05-26 发布日期:2012-05-28
通讯作者: 史红 E-mail:shihong8498@yahoo.com.cn

Meanshift Optimization Based Particle Filter Tracking of Vehicles in LowAltitude Platform

SHI Hong¹, LIU Tao², LI Ming³, SHEN Min jie⁴

1. College of Information and Technology, Jilin Normal University, Siping 136000, Jilin Province, China;2. College of Computer Science and Technology, Jilin University, Changchun 130012, China;3. Economic Information Center of Jilin Province, Changchun 130061, China;4. Patent Examination Cooperation Center of the Patent Office, Beijing 100083, China

Received:2011-09-13 Online:2012-05-26 Published:2012-05-28
Contact: SHI Hong E-mail:shihong8498@yahoo.com.cn

摘要/Abstract

摘要：

针对低空平台下运行车辆的特点, 提出一种基于Meanshift粒子优化的粒子滤波算法实现低空平台下的车辆跟踪. 该算法使用颜色表示目标, 通过Meanshift算法对粒子滤波进行迭代优化, 减少了稳健跟踪一个目标所需的粒子数, 提高了算法的运行效率, 在小目标和多目标的情况下也能稳健跟踪. 实验结果表明, 该算法具有较强的鲁棒性和稳定性, 能实现低空平台下目标车辆的快速跟踪.

关键词: 粒子滤波, 低空平台, 跟踪

Abstract:

We analyzed the vehicle characteristics in low altitude platform, and proposed a fast object tracking method via particle filter based on Meanshift optimization. In our method, we used color distribution histogram to represent an object. Then Meanshift algorithm was applied to iterative optimization in particle selecting stage. This innovation is able to reduce the particle number in tracking. The experiments show that our method has strong robustness and stability, and it can be applied in fast tracking in low altitude platform.

Key words: particle filter, lowaltitude platform, tracking

中图分类号:

TP391

史红, 刘涛, 李鸣, 沈敏洁. 基于Meanshift优化粒子滤波算法的低空平台下车辆跟踪[J]. J4, 2012, 50(03): 535-.

SHI Gong, LIU Chao, LI Ming, CHEN Min-Ji. Meanshift Optimization Based Particle Filter Tracking of Vehicles in LowAltitude Platform[J]. J4, 2012, 50(03): 535-.

[1]	朱新丽, 才华, 寇婷婷, 杜冬晖, 孙俊喜. 行人多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1161-1170.
[2]	张彩丽, 刘广文, 詹旭, 史浩东, 才华, 李英超. 基于Mask R-CNN的多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(3): 609-618.
[3]	刘庆强, 张福禄, 张瑶瑶, 张晨雨. 孪生压缩激励全卷积网络的目标跟踪方法[J]. 吉林大学学报(理学版), 2021, 59(2): 325-332.
[4]	张尧, 才华, 李心达, 米晓红, 孙俊喜. 基于Adaboost首帧检测的时空上下文人脸跟踪算法[J]. 吉林大学学报(理学版), 2020, 58(2): 314-320.
[5]	张尧, 才华, 曹露, 王冰雪, 陈广秋. 基于字典学习改进的时空上下文算法[J]. 吉林大学学报(理学版), 2019, 57(06): 1442-1448.
[6]	张巧杰, 王凯丽, 房雪晴. 基于GWO算法光伏阵列多峰值的MPPT[J]. 吉林大学学报(理学版), 2018, 56(6): 1526-1532.
[7]	张虹. 基于压缩感知和离散余弦变换的数字图像水印算法[J]. 吉林大学学报(理学版), 2017, 55(06): 1504-1510.
[8]	李秀娟. 一种抗遮挡的运动目标跟踪算法[J]. 吉林大学学报(理学版), 2017, 55(05): 1207-1212.
[9]	郑丽蓉, 马胜前, 马永杰. 自跟踪对数域滤波器的设计[J]. 吉林大学学报(理学版), 2017, 55(02): 416-423.
[10]	李文辉, 陈昱昊, 王莹. 自适应的免疫粒子滤波车辆跟踪算法[J]. 吉林大学学报(理学版), 2016, 54(05): 1055-1063.
[11]	马晓珏, 刘红卫. 线性规划的邻域跟踪算法在退化情形下的局部收敛性[J]. 吉林大学学报(理学版), 2016, 54(04): 732-736.
[12]	王江涛. 基于背景差分和粒子滤波的运动目标跟踪算法[J]. 吉林大学学报(理学版), 2015, 53(05): 999-1005.
[13]	于合龙, 刘浩洋, 苏恒强. 基于光流追踪技术的变形位移测量方法[J]. 吉林大学学报(理学版), 2014, 52(02): 331-335.
[14]	王欣, 赵连义, 薛龙. 基于主成分分析的粒子滤波器目标跟踪方法[J]. J4, 2012, 50(06): 1156-1162.
[15]	陈前, 王甦菁, 刘小华, 高蕾, 周春光. 一种快速的虹膜定位算法[J]. J4, 2011, 49(06): 1095-1100.