基于特征点的运动汽车跟踪算法研究

《基于特征点的运动汽车跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、《电气自动化)2ol1年第33卷第6期j十算机技术及其应肛ComputerTechnology＆Applications基于特征点的运动汽车跟踪算法研究王进花曹洁(兰州理工大学电气工程与信息工程学院，甘肃兰州730050)摘要：设计了一种基于特征点的运动汽车实时跟踪算法。结合自适应卡尔曼滤波(AdaptiveKalmanFilter，AKF)算法，提出了一种简单实用的特征点匹配跟踪算法，实验表明该算法既能准确的描述目标，又减少了匹配计算量，从而实现了快速准确地跟踪运动汽车的目的。关键词：特征点自适应卡尔曼滤波(AKF)运动汽车跟踪算法[中图分类号]TN911．73[文献标志码

2、]A[文章编号]1000—3886(2011)06—0014—03AnObjectTrackingAlgorithmBasedonFeaturePointsWangJinhuaCaoJie(CollegeofElectricalandInformationEngineering，LanzhouUniversityofTechnology，LanzhouGansu730050，China)Abstract：Wepresentareal—timetrackingalgorithmofmovingvehiclebasedonfeaturepoints．Weprovideasimpl

3、eandpracticalfeaturepointsmatchingalgorithmusingAdaptiveKalmanFilter(AKF)．Theresuhsofsimulationexperimentsshowthatthealgorithmperformswellinfasttrackingmaneuveringtarget，whichcannotonlydescribethetargetaccurately，butdecreasethetimeofmatchingcomputation．Keywords：featurepointsadaptivekalmanfi

4、ltering(AKF)movingvehiclestrackingalgorithmtJ引罱在视觉目标跟踪算法中，实时性和准确性是衡量算法好坏的两个重要指标，已有的跟踪算法归纳起来主要有“：基于3D立方体模型的跟踪算法，基于变形模型的跟踪算法，基于区域的是均值为零，方差为2=2act的白噪声。由(1)(2)得加速度的跟踪算法，基于光流的跟踪方法以及基于特征的跟踪算法等。这些算法都有各自优势，但是在复杂背景中，目标存在遮挡或阴影‘(t)=一(t)+ola(t)+(t)(3)干扰时，要实现对运动目标准确、实时地跟踪，是目前目标跟踪中1．2滤波算法需要解决的难点问题。本文采用特征

5、点结合自适应卡尔曼滤波(AKF)算法实现运动汽车跟踪。考虑到跟踪的实时性，首先，在目标定位时通过卡尔曼滤波算法估计目标在下一帧图像中的位置，减小搜索范围，提高运算速度；然后，在预测位置范围内提取车辆特征点，将目标X(k)=[Y](5)当前候选特征点与模板特征点进行匹配，确定目标的精确位置，x,y为位置坐标分别为车辆在、Y方向上的运动速度；提高跟踪的准确性。通过交通视频仿真实验，证明该算法在快速跟踪机动目标时效果较好。、Y‘’分别为车辆在x-,y方向上的加速度。1汽车运动模型和滤波算法a=(k／k)，a=(k／k)1．1汽车运动模型近年来，国内外学者专家对目标运动模型做了大量的

6、研究并取得了诸多成果，其中“当前”统计模型得到了越来越广泛的应用。此模型的思想是：当目标正在以某一加速度机动时，加速=度在下一时刻的取值是有限的，并且只能在“当前”加速度的邻域内。其本质上是非零均值时间相关模型，加速度的“当前”概率密度符合瑞利分布，均值为“当前”加速度预测值，随机加速度：L2]J，o3×，=000】符合一阶时间相关过程，即001(t)=a(t)+a(t)(1)22收稿日期：2011—03一O12叩03~3】(7)基金项目：甘肃省自然基金(1014ZSB064)；甘肃省教育厅硕导基金项目(0914ZTB003)14ElectricaIAutomation算机技

7、术及其应用皇皇兰竺!!!ComputerTechnology＆Apl31icationsE(，Y)=Ax+By2+2Cxy(17)=[；q：；q；q]，·=其中L3l3233J⋯：[L：q3lig32ig33]_】：A=OW，B=OW，C=(XY)oWq(i,j=1，2，3)可参考文献[5]。2，分别为，Y方向的加速堕．y盟以W为高斯函数W=exp一(M+V2／2o")令矩阵M：『AC1(

8、j})：(k／k)+(8)则Harris角点检测器为R=Det(M)一k·Tr(M)(18))=[]令k=0．04