基于卡尔曼滤波的目标跟踪 一点点想法
2017-11-20 19:35
246 查看
运动物体跟踪实际上就是对运动物体位置的测量和估计,和称小兔兔体重一样,我们也有两个渠道可以知道运动物体的位置,一个是我们观察到的,目标A在的某一帧图像的某个坐标点,另一个是我们根据前面几帧里目标的运动情况估计出来的,这个估计是假定目标运动是光滑的(当然也可以有其他模型),在这个根据以前运动做出的估计和我们测出来的目标点位置之间做个加权平均,就是现在的估计值,对下一帧做同样处理,加权平均的权值就是Kalman增益,根据Kalman提供的算法可由以往的误差大小和分布推出,这就是全部的用Kalman滤波做目标跟踪的概念,如果是多个目标,需要用到particle
滤波,关于particle 滤波也有一篇很直白的博文,和大家分享
http://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html http://www.cnblogs.com/konlil/archive/2012/02/05/2339142.html
滤波,关于particle 滤波也有一篇很直白的博文,和大家分享
http://www.cnblogs.com/yangyangcv/archive/2010/05/23/1742263.html http://www.cnblogs.com/konlil/archive/2012/02/05/2339142.html
相关文章推荐
- 基于MeanShift的目标跟踪算法及实现
- 基于MeanShift的目标跟踪算法及实现
- Opencv基于CamShift算法实现目标跟踪
- 基于全连接孪生网络的目标跟踪(siamese-fc)
- 基于感知哈希算法的视觉目标跟踪
- 目标跟踪方法--基于区域跟踪
- opencv3/C++基于颜色的目标跟踪
- 目标跟踪方法--基于模型跟踪
- 基于感知哈希算法的视觉目标跟踪
- [置顶] 基于稀疏表示的多目标跟踪基本流程(文献分析)
- 基于meanshift的单目标跟踪方法
- 基于感知哈希的视觉目标跟踪算法代码
- 基于感知哈希算法的视觉目标跟踪
- 基于感知哈希算法的视觉目标跟踪
- 视频运动目标跟踪,基于opencv , vc++
- 基于MeanShift的视频目标跟踪算法及代码实现
- 推荐一篇博士论文-基于稀疏编码的视觉目标跟踪方法研究
- 基于MeanShift的目标跟踪算法及实现
- 【Python+OpenCV】目标跟踪-卡尔曼滤波-鼠标轨迹跟踪
- 计算机视觉-论文阅读笔记-基于高性能检测器与表观特征的多目标跟踪