原创力文档- 1、本文档共3页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
基于粒子滤波和Mean_shift的跟踪算法
第36 卷 第5 期 计 算 机 工 程 2010 年3 月
Vol.36 No.5 Computer Engineering March 2010
·博士论文· 文章编号：1000—3428(2010)05—0021—02 文献标识码：A 中图分类号：TP391.41
基于粒子滤波和Mean-shift 的跟踪算法
1 1 2 1
蒋 旻 ，许 勤 ，尚 涛 ，高伟义
(1. 武汉科技大学计算机科学与技术学院，武汉 430081 ；2. 武汉科技大学信息科学与工程学院，武汉 430081)
摘 要：粒子滤波作为一种基于贝叶斯估计的算法，在处理非线性运动目标跟踪问题上具有特殊的优势。基于此，提出一种基于粒子滤波
和Mean-shift 的混合跟踪算法(KMSEPF) 。KMSEPF 算法对一般的Mean-shift 和粒子滤波混合算法进行改进。结果证明，KMSEPF 算法与
混合算法MSEPF 相比，在计算效率提高的同时，跟踪准确性和处理遮挡的能力没有下降。
关键词：粒子滤波；Mean-shift 算法；目标跟踪
Tracking Algorithm Based on Particle Filtering and Mean-shift
1 1 2 1
JIANG Min , XU Qin , SHANG Tao , GAO Wei-yi
(1. College of Computer Science and Technology, Wuhan University of Science and Technology, Wuhan 430081;
2. College of Information Science and Engineering, Wuhan University of Science and Technology, Wuhan 430081)
【Abstract 】As an algorithm based on Bayesian estimation, particle filtering is predominant on tracking nonlinear moving target. This paper
proposes an algorithm, which is based on Mean-shift and particle filtering, named K-means and Mean-shift Embedded Particle Filter(KMSEPF). The
KMSEPF algorithm improves the general mixture algorithms which are based on particle filtering and Mean-shift. Results show that the algorithm
reduces the computation complexity, while maintains the high precision and the ability to control the occlusion, compared with the MSEPF
algorithm.
【Key words 】particle filtering; Mean-shift algorithm; object tracking
1 概述
文档评论（0）