一种基于Kalman滤波的视频对象跟踪方法

来源 :中国图象图形学报 | 被引量 : 160次 | 上传用户:shi123abc
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了更加准确地预测对象的位置和运动 ,利用刚体运动模型导出最佳Kalman系数 ,通过Kalman反馈滤波器对Moscheni等人提出的视频对象分割与跟踪算法[1] 进行改进 ,提出了一种将离散Kalman滤波技术用于视频序列的对象跟踪方法 .这种方法可用于有关场景描述的各种应用领域中 ,如在机器视觉的研究中 ,对动态场景进行分析与理解 ;在基于对象的视频编码中 (如MPEG 4 ) ,对视频对象进行分割后 ,分别进行编码 ,从而改善编码的可分级性及编码效率 .实验结果表明 ,采用这种方法可以有效地
其他文献
通过实例分析 ,首先说明了为保证准确无误地表达设计意图 ,将体现设计意图和零部件使用功能的关键要素——设计基准 ,在图样中明确标注出来的必要性 ,并结合实践情况 ,提出了一套既方便 ,又不使图样复杂化的标注方法 ,即在设计基准要素上 ,直接标注设计基准符号的方法 ,以及在计算机绘图中实现标注的解决方案 .由于标注设计基准后 ,基准位置一目了然 ,因而从根本上避免了因未标注设计基准所产生的各种问题
脸部网格模型的建立是基于模型的人脸合成技术的关键步骤 .提出了一种结合自动和交互方式 ,利用正交图象的三维人脸模型调整算法 .首先利用区域增长法和矩形模板匹配确定正面图象中人脸及各特征区域的位置 ,利用变形模板自动提取人脸完整特征 ;然后交互地修正人脸特征点的准确正面位置 ,并从侧面图象提取特征点的深度 ;最后算法自动确定脸部姿态和利用反向距离内插调整模型非特征点 ,获得输入人脸模型 .实验结果表
在简要介绍提升格式和多小波之后 ,提出了一种新的实现多小波变换的提升格式模型 .由于这个模型主要由若干个单小波变换的提升格式搭建而成 ,因而不必自己推演提升格式的内部结构和参数 .另外 ,这个模型还可以根据实际应用的需要选用不同的单小波 .该文还给出用D9/ 7双正交 (单 )小波变换的提升格式构造的多小波变换的实例 ,并把这样构造的多小波变换应用于图象编码 ,结果表明 ,该方法可取得比常用的GH
迭代函数系统 (IFS)是定义和描绘分形的有效方法 ,每个 IFS确定了唯一一个称为吸引子的分形 .随机迭代算法虽然能够简单快捷地在计算机上构造 IFS的吸引子 ,但是不能保证在有限步内计算出组成吸引子的所有点 .针对这一不足 ,利用 IFS吸引子局部间具有的相似性 ,提出了由 IFS中可逆仿射变换的不动点来逐步生成吸引子的原理和方法 .实验证明 ,该算法是可行的 ,它不仅能在有限步内生成整个吸引
为了能够更好地把来自多传感器的图象信息综合起来 ,以提高对图象信息的分析和提取能力 ,在研究了小波包图象分析法之后 ,提出了一种基于小波包变换的图象融合方法 .由于小波包变换能对图象进行多层次分解 ,包括对小波变换没有细分的高频部分也能进行进一步的分解 ,因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法 .利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥