基于归一化互相关匹配算法和Kalman预测器的目标跟踪 
下载： 771次
Target Tracking Based on Normalized Cross-Correlation Matching Algorithm and Kalman Predictor
西北师范大学物理与电子工程学院, 甘肃 兰州 730070
图 & 表
图 1. 差分二值图。(a)第7、8帧;(b)第8、9帧
Fig. 1. Differential binary images. (a) 7th and 8th frames; (b) 8th and 9th frames
下载图片 查看原文
图 2. 目标前景图
Fig. 2. Target foreground image
下载图片 查看原文
图 3. 原始图和其直方图
Fig. 3. Original image and its histogram
下载图片 查看原文
图 4. 目标模型和其直方图
Fig. 4. Objective model and its histogram
下载图片 查看原文
图 5. 匹配数据
Fig. 5. Data of matching
下载图片 查看原文
图 6. 所提算法流程
Fig. 6. Flow chart of proposed algorithm
下载图片 查看原文
图 7. 操作界面图
Fig. 7. Image of operation interface
下载图片 查看原文
图 8. 视频Laboratory的差分图像
Fig. 8. Difference images of video Laboratory
下载图片 查看原文
图 9. NCC算法跟踪结果
Fig. 9. Tracking results of NCC algorithm
下载图片 查看原文
图 10. 所提算法跟踪结果
Fig. 10. Tracking results of proposed algorithm
下载图片 查看原文
图 11. 视频gyy的差分图像
Fig. 11. Difference images of video gyy
下载图片 查看原文
图 12. 所提算法跟踪结果
Fig. 12. Tracking results of proposed algorithm
下载图片 查看原文
图 13. 坐标轨迹图。(a) xoffset;(b) yoffset
Fig. 13. Diagram of coordinate trajectory. (a) xoffset; (b) yoffset
下载图片 查看原文
表 1运动区域数据
Table1. Data of motion areas
| Frame No. | (Eleft,Etop) | [wprehpre] | [wdhd] |
|---|
| 6 | (70,50) | [29 62] | [24 63] | | 17 | (29,51) | [21 58] | [19 60] | | 19 | (31,61) | [11 37] | [5 16] | | 23 | (9,51) | [10 12] | [10 12] | | 25 | (3,53) | [11 14] | [8 11] |
|
查看原文
表 2滤波数据
Table2. Data of smoothing
| Frame No. | col | row | xinit | w | h |
|---|
| 16 | 28.9870 | 50.8023 | [29 51 0 0]' | 21 | 58 | | 18 | 28.6252 | 50.3653 | [29 50 0 0]' | 10 | 37 | | 19 | 31.0195 | 60.8898 | [31 61 0 0]' | 5 | 16 | | 21 | 16.6320 | 50.3430 | [17 51 0 0]' | 4 | 7 |
|
查看原文
表 3视频Laboratory的遮挡情况
Table3. Occlusion of video Laboratory
| Frame No. | λ | ρ(y) | T | d(y) | Result | Color |
|---|
| 6 | 0.8409 | 0.9178 | 0.3280 | 0.2866 | No occlusion | g | | 17 | 0.9360 | 0.8351 | 0.3650 | 0.4061 | Occlusion | r | | 19 | 0.1966 | 0.6514 | 0.0767 | 0.5903 | Occlusion | r | | 23 | 1.0000 | 0.7577 | 0.3900 | 0.4922 | Occlusion | r | | 25 | 0.5714 | 0.6210 | 0.2229 | 0.6156 | Occlusion | r |
|
查看原文
表 4视频gyy的遮挡情况
Table4. Occlusion of video gyy
| Frame No. | λ | ρ(y) | T | d(y) | Result | Color |
|---|
| 4 | 1.6001 | 0.8168 | 0.6242 | 0.3020 | No occlusion | g | | 29 | 0.9964 | 0.8726 | 0.3886 | 0.3603 | No occlusion | g | | 50 | 0.9356 | 0.8460 | 0.3654 | 0.4133 | Occlusion | r | | 53 | 0.9495 | 0.8274 | 0.3703 | 0.4103 | Occlusion | r | | 60 | 0.2348 | 0.6959 | 0.0916 | 0.5345 | Occlusion | r |
|
查看原文
表 5跟踪成功率结果
Table5. Results of tracking success rate%
| Video | NCC algorithm | Kalman algorithm | Proposed algorithm |
|---|
| No occlusion | Occlusion | No occlusion | Occlusion | No occlusion | Occlusion |
|---|
| Laboratory | 91.67 | 50 | 100 | 81.25 | 91.67 | 71.43 | | gyy | 88.10 | 85 | 87.80 | 90 | 88.10 | 90 |
|
查看原文
马永杰, 龚影, 陈敏. 基于归一化互相关匹配算法和Kalman预测器的目标跟踪[J]. 激光与光电子学进展, 2020, 57(18): 181023. Yongjie Ma, Ying Gong, Min Chen. Target Tracking Based on Normalized Cross-Correlation Matching Algorithm and Kalman Predictor[J]. Laser & Optoelectronics Progress, 2020, 57(18): 181023.
PDF全文
