• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)CamShift的目標(biāo)跟蹤系統(tǒng)算法

    2021-02-18 11:17:28敖邦乾劉小雍葉振環(huán)
    關(guān)鍵詞:跟蹤目標(biāo)魯棒性直方圖

    敖邦乾,楊 莎,劉小雍,葉振環(huán)

    (1.遵義師范學(xué)院工學(xué)院,貴州 遵義 563006;2.遵義師范學(xué)院物理與電子科學(xué)學(xué)院,貴州 遵義 563006)

    0 引言

    無(wú)人水面艇(unmanned surface vessel,USV)經(jīng)常被用于執(zhí)行特殊且不適合載人的任務(wù),能完成情報(bào)收集、環(huán)境監(jiān)測(cè)、水面搜救和水文地理勘查等任務(wù),應(yīng)用十分廣泛。對(duì)于正在執(zhí)行任務(wù)的USV進(jìn)行檢測(cè)跟蹤,可以有效實(shí)施操作及控制。其中,基于區(qū)域的跟蹤[1]對(duì)整個(gè)圖像區(qū)域進(jìn)行搜索,通過(guò)對(duì)比運(yùn)動(dòng)目標(biāo)相鄰兩幀的位置變化實(shí)現(xiàn)區(qū)域跟蹤;基于活動(dòng)輪廓的算法[2]將運(yùn)動(dòng)目標(biāo)的邊界輪廓作為跟蹤模板,并對(duì)輪廓進(jìn)行實(shí)時(shí)的跟蹤;基于模型的方法[3]通過(guò)對(duì)運(yùn)動(dòng)模板的外形特征建立2D或3D模型來(lái)完成跟蹤任務(wù)。這些算法中,基于區(qū)域的跟蹤方法需要搜索整個(gè)圖像區(qū)域,計(jì)算量大,實(shí)時(shí)性較差;基于活動(dòng)輪廓的跟蹤方法,目標(biāo)輪廓的更新比較困難;基于模型的跟蹤方法則難以建立精確的模型,且易受外界影響。

    基于特征的跟蹤方法[4]通過(guò)提取運(yùn)動(dòng)目標(biāo)的物理特征,利用相關(guān)的跟蹤算法實(shí)現(xiàn)對(duì)目標(biāo)有效的跟蹤,其中,MeanShift是基于迭代收斂到概率最大的局部極大的非參數(shù)估計(jì)法[5];Camshift則是對(duì)MeanShift的一種改進(jìn)[6],通過(guò)調(diào)整核函數(shù)來(lái)適應(yīng)跟蹤目標(biāo)在圖像中的大小,能有效解決目標(biāo)變形和遮擋的問(wèn)題,同時(shí)算法對(duì)系統(tǒng)資源要求不高,時(shí)間復(fù)雜度低,在較簡(jiǎn)單背景下能夠取得較好的跟蹤效果,但是傳統(tǒng)的CamShift只對(duì)HSV中的H分量進(jìn)行統(tǒng)計(jì)分析,易導(dǎo)致跟蹤特征單一,當(dāng)背景較為復(fù)雜或有許多與目標(biāo)顏色相似像素干擾的情況下,會(huì)導(dǎo)致跟蹤失敗,文獻(xiàn)[7]引入S分量,通過(guò)構(gòu)建H-S二維直方圖對(duì)原算法進(jìn)行改進(jìn);文獻(xiàn)[8]繼續(xù)加入V分量,組成三維直方圖跟蹤模板進(jìn)一步改進(jìn)了算法,跟蹤性能得到了進(jìn)一步的提升,但是這類方法只是單純地考慮顏色直方圖,忽略了目標(biāo)的空間分布特性。

    為了提升目標(biāo)跟蹤效果的魯棒性,文獻(xiàn)[9]提出將MeanShift與Kalman濾波相結(jié)合的跟蹤方法,充分發(fā)揮Kalman濾波器的預(yù)測(cè)功能和MeanShift跟蹤器的搜索功能,提高了跟蹤的精度和實(shí)時(shí)性;文獻(xiàn)[10]提出了一種改進(jìn)的CamShift和Kalman組合的目標(biāo)跟蹤算法,能對(duì)被嚴(yán)重阻擋或在與目標(biāo)顏色相近的背景環(huán)境下的運(yùn)動(dòng)目標(biāo)進(jìn)行連續(xù)跟蹤。

    對(duì)于運(yùn)動(dòng)的跟蹤目標(biāo),當(dāng)運(yùn)動(dòng)目標(biāo)發(fā)生形變或遮擋時(shí),需要進(jìn)行大量的計(jì)算,同時(shí)跟蹤的實(shí)時(shí)性較差,魯棒性不是很強(qiáng),本文針對(duì)以上的問(wèn)題,提出一種基于目標(biāo)邊緣檢測(cè)的改進(jìn)CamShift和Kalman濾波相結(jié)合的跟蹤算法,改進(jìn)了當(dāng)跟蹤目標(biāo)與環(huán)境顏色相近時(shí)魯棒性較差的問(wèn)題,同時(shí)對(duì)于快速運(yùn)動(dòng)及被障礙物遮擋的跟蹤目標(biāo)也具有很好的跟蹤性能。

    1 CamShift目標(biāo)跟蹤算法

    RGB顏色空間對(duì)光線較為敏感,為了減少光照變化對(duì)檢測(cè)目標(biāo)的影響,將需要檢測(cè)跟蹤的目標(biāo)圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間,轉(zhuǎn)換后效果如圖1所示,其中,HSV顏色空間的h值計(jì)算如下:

    圖1 被跟蹤目標(biāo)原始及轉(zhuǎn)換后的圖像Fig.1 The original image and converted image of the target

    (1)

    式(1)中,r(紅色)、g(綠色)、b(藍(lán)色)分別表示在RGB顏色空間中的坐標(biāo)值,其取值為[0, 1]。在HSV顏色空間中,h取值范圍為[0, 360],它的值被歸一化為介于0和180之間以匹配8位灰度圖像(0,255),HSV顏色空間的s值為:

    (2)

    HSV顏色空間的v值為:

    (3)

    本文算法采用HSV色彩空間進(jìn)行處理,對(duì)于前方目標(biāo)由于轉(zhuǎn)向及變速等引起的形狀及顏色變化具有一定的魯棒性,通過(guò)分離出其中的H(色調(diào))分量進(jìn)行該區(qū)域的色調(diào)直方圖計(jì)算,得到目標(biāo)模板的顏色直方圖,根據(jù)獲得的顏色直方圖將原始輸入圖像轉(zhuǎn)化成顏色概率分布圖像,即輸入圖像在已知目標(biāo)顏色直方圖的條件下的顏色概率密度分布圖,同時(shí)對(duì)其進(jìn)行歸一化處理,如圖2所示。其中包含了目標(biāo)在當(dāng)前幀中的相干信息,對(duì)于輸入圖像中的每一個(gè)像素點(diǎn),建立目標(biāo)模型顏色直方圖:

    圖2 目標(biāo)原始及歸一化直方圖Fig.2 The original histogram and normalized histogram

    (4)

    式(4)中,u,m,δ,|R|分別表示顏色向量、被量化的級(jí)數(shù)、Kronecker Delta函數(shù)和區(qū)域R內(nèi)的像素點(diǎn)個(gè)數(shù),h(x,y)為像素點(diǎn)(x,y)色度分量H量化后的值。對(duì)于目標(biāo)區(qū)域內(nèi)的像素,可得到該像素屬于目標(biāo)像素的概率,而對(duì)于非目標(biāo)區(qū)域內(nèi)的像素,該概率為0,這是一個(gè)反向投影過(guò)程。

    算法設(shè)定閾值或最大迭代次數(shù)并進(jìn)行迭代,通過(guò)尋找目標(biāo)中心在當(dāng)前幀中的位置來(lái)進(jìn)行檢測(cè)跟蹤,首先在顏色概率分布圖中選擇搜索窗口的大小和初始位置,然后計(jì)算搜索窗口的質(zhì)心位置。設(shè)像素點(diǎn)(x,y)位于搜索窗口內(nèi),I(x,y)為顏色直方圖的反向投影圖中該像素點(diǎn)對(duì)應(yīng)的直方圖概率值:

    I(x,y)={H(u)|h(x,y)=u},(x,y)∈R

    (5)

    搜索目標(biāo)窗口步驟如下:

    步驟1 計(jì)算零階矩m00,搜索窗口內(nèi)所有點(diǎn)的概率之和:

    (6)

    計(jì)算一階矩及概率在x,y方向的加權(quán)和:

    (7)

    步驟2 計(jì)算搜索窗口的質(zhì)心(xc,yc):

    (8)

    步驟3 設(shè)置初始化窗口大小,其中寬度為s,長(zhǎng)度為l:

    (9)

    步驟4 計(jì)算二階矩:

    (10)

    則目標(biāo)運(yùn)動(dòng)窗口的方向?yàn)椋?/p>

    (11)

    初始化式(9)得到移動(dòng)跟蹤窗口,根據(jù)式(11)提供的運(yùn)動(dòng)方向,將其移動(dòng)到式(8)目標(biāo)的質(zhì)心位置,判斷跟蹤窗口的移動(dòng)距離是否大于設(shè)定的閾值,若是,則重復(fù)步驟1到步驟4的搜索過(guò)程,直到相鄰搜索窗口的質(zhì)心變化小于給定的閾值或者達(dá)到迭代次數(shù)的最大值,同時(shí)為了實(shí)現(xiàn)連續(xù)跟蹤,將上一幀圖像搜索窗口的大小、質(zhì)心作為下一幀搜索窗口的大小和質(zhì)心,如此循環(huán)迭代,則可以完成對(duì)運(yùn)動(dòng)目標(biāo)的連續(xù)跟蹤,具體流程圖如圖3所示。

    圖3 Camshift跟蹤算法流程圖Fig.3 The flow chart of Camshift tracking algorithm

    將目標(biāo)的RGB圖像轉(zhuǎn)換成HSV圖片空間后,對(duì)外界光照變化有了較強(qiáng)的魯棒性,但當(dāng)運(yùn)動(dòng)目標(biāo)的顏色與運(yùn)行環(huán)境顏色區(qū)域比較接近或運(yùn)動(dòng)目標(biāo)被障礙物遮擋時(shí),其跟蹤效果則很容易受到干擾,如圖4所示,在目標(biāo)附近區(qū)域,由于被跟蹤目標(biāo)與環(huán)境顏色比較相似,因此其概率直方圖也混淆有環(huán)境顏色的概率,目標(biāo)的跟蹤窗口有較大的誤差,容易丟失目標(biāo),而在遇到被障礙物遮擋時(shí),其跟蹤窗口無(wú)法進(jìn)行均值計(jì)算,也很容易丟失目標(biāo),需要進(jìn)一步的優(yōu)化算法設(shè)計(jì)。

    圖4 跟蹤目標(biāo)顏色與環(huán)境相似直方圖Fig.4 The histogram of similarity between target and environment

    2 目標(biāo)跟蹤算法設(shè)計(jì)

    2.1 目標(biāo)邊緣算法檢測(cè)

    本文使用Canny邊緣檢測(cè)算法[11]來(lái)對(duì)跟蹤目標(biāo)進(jìn)行邊緣的提取,加強(qiáng)其跟蹤的魯棒性,具體設(shè)計(jì)如下:

    表1 像素點(diǎn)I(x,y)為中心的3×3高斯濾波器Tab.1 3×3 Gaussian filter centered on pixel I (x, y)

    (12)

    步驟2 沿著x軸和y軸使用Sobel算子(Sx,Sy)來(lái)計(jì)算圖形中每個(gè)像素點(diǎn)的梯度強(qiáng)度和方向,判斷其邊緣是水平、垂直還是對(duì)角線的。

    (13)

    (14)

    (15)

    (16)

    Angle(θ)=arctan(Gy/Gx)

    (17)

    步驟3 應(yīng)用非極大值抑制使得邊界變細(xì)的同時(shí)銳化邊緣部分,消除邊緣檢測(cè)算法帶來(lái)的雜散響應(yīng),對(duì)于每個(gè)像素,如果它是先前計(jì)算的梯度方向的局部最大值M(x,y),則保留該值;反之,它的像素值會(huì)被歸零并且被極大值抑制。

    (18)

    步驟4 經(jīng)過(guò)步驟3的處理,在保留下來(lái)的值中,確認(rèn)強(qiáng)像素點(diǎn)是否位于邊緣的最終圖中,應(yīng)用雙閾值檢測(cè)來(lái)確定真實(shí)的和潛在的邊緣,根據(jù)經(jīng)驗(yàn)設(shè)定兩個(gè)閾值minVal和maxVal,任何強(qiáng)度梯度高于maxVal的像素都是邊緣,任何強(qiáng)度梯度低于minVal的像素都不是邊緣并丟棄,在minVal和maxVal之間具有強(qiáng)度梯度的像素,只有當(dāng)它們連接到具有高于maxVal的強(qiáng)度梯度的像素才被認(rèn)為是邊緣,通過(guò)抑制孤立的弱邊緣最終完成邊緣檢測(cè)。

    Canny邊緣檢測(cè)算法能較好地完成環(huán)境中物體的輪廓邊緣檢測(cè),但是其對(duì)目標(biāo)以外的物體也能進(jìn)行無(wú)差別的輪廓檢測(cè),如圖5 所示。只有綜合考慮兩種算法,結(jié)合它們的優(yōu)點(diǎn),才能改進(jìn)跟蹤效果,本文使用Camshift算法和Canny邊緣檢測(cè)算法共同組成目標(biāo)的跟蹤模板,設(shè)計(jì)不同的權(quán)值ρcs、ρcn,假設(shè)跟蹤過(guò)程中Camshift算法和Canny算法的反向投影分別為Fcs、Fcn,則加權(quán)后得到的合成反向投影為:

    圖5 不同環(huán)境下跟蹤目標(biāo)邊緣提取Fig.5 The edge extraction in different environment

    (19)

    從式(19)可以看出,在跟蹤過(guò)程中,加入的Canny邊緣檢測(cè)算法和原來(lái)的Camshift跟蹤算法共同作用于跟蹤目標(biāo),當(dāng)目標(biāo)顏色與環(huán)境顏色較為相近時(shí),邊緣檢測(cè)算法占有較大的權(quán)值,可以抑制環(huán)境的影響,而當(dāng)目標(biāo)顏色與環(huán)境不同時(shí),Camshift算法占有較大的權(quán)值比重,在總的概率密度分布圖中可以自適應(yīng)地調(diào)整相應(yīng)的權(quán)值來(lái)增加系統(tǒng)跟蹤算法的魯棒性。

    經(jīng)過(guò)上述設(shè)計(jì)以后,跟蹤系統(tǒng)對(duì)環(huán)境顏色的變化不敏感,具有較強(qiáng)的穩(wěn)定性,但是當(dāng)跟蹤目標(biāo)部分或者全部被障礙物遮擋時(shí),上述設(shè)計(jì)的算法就容易丟失目標(biāo),而且上述設(shè)計(jì)的算法對(duì)運(yùn)動(dòng)目標(biāo)的下一步動(dòng)作無(wú)法做出預(yù)測(cè),對(duì)快速運(yùn)動(dòng)的目標(biāo)的普適性較差。

    2.2 Kalman濾波算法

    Kalman濾波[12]和粒子濾波[13]是比較常用的兩種預(yù)測(cè)目標(biāo)下一幀位置的算法,Kalman濾波是一種線性計(jì)算算法,具有計(jì)算量小、實(shí)時(shí)性高等特點(diǎn),Kalman濾波算法在目標(biāo)跟蹤領(lǐng)域得到了廣泛的應(yīng)用,尤其對(duì)動(dòng)態(tài)目標(biāo)的跟蹤檢測(cè),由于其算法很容易控制,并具有較強(qiáng)的魯棒性,在工程上得到了廣泛的應(yīng)用。該算法的核心為采用信號(hào)和噪聲的狀態(tài)空間模型,主要是通過(guò)在狀態(tài)上和時(shí)間上的不斷更新來(lái)完成對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤,其模型如圖6所示。算法利用系統(tǒng)的觀測(cè)值來(lái)更新系統(tǒng)的狀態(tài)向量,是一種對(duì)隨機(jī)信號(hào)進(jìn)行最優(yōu)估計(jì)的實(shí)時(shí)遞推算法,濾波器通過(guò)輸入的系統(tǒng)觀測(cè)量對(duì)隨機(jī)信號(hào)進(jìn)行估計(jì),更新后得到的信號(hào)作為濾波器的輸出,其不斷地把協(xié)方差進(jìn)行遞歸,從而估算出系統(tǒng)的最優(yōu)值。

    圖6 Kalman濾波模型Fig.6 Kalman filtering model

    Kalman濾波預(yù)測(cè)算法有兩個(gè)重要的方程:

    系統(tǒng)狀態(tài)方程:

    X(k)=AX(k-1)+BU(k)+W(k)

    (20)

    系統(tǒng)測(cè)量值方程:

    Z(k)=HX(k)+V(k)

    (21)

    式(20)、式(21)中,X(k)和X(k-1)為k時(shí)刻和k-1時(shí)刻的狀態(tài)向量;Z(k)為k時(shí)刻的系統(tǒng)狀態(tài)測(cè)量向量;A、B、H分別表示狀態(tài)轉(zhuǎn)移矩陣、控制矩陣以及測(cè)量矩陣;U(k)為外部輸入控制量;W(k)和V(k)分別表示狀態(tài)過(guò)程噪聲和測(cè)量噪聲,通常應(yīng)用中假設(shè)成零均值高斯白噪聲,服從正態(tài)分布,即Noise~Guasian(0,σ),協(xié)方差矩陣分別為R和Q。 算法主要包括預(yù)測(cè)與更新兩個(gè)階段,其對(duì)系統(tǒng)的預(yù)測(cè)公式組為:

    1) 狀態(tài)預(yù)測(cè)公式:

    X(k|k-1)=AX(k-1|k-1)+BU(k)

    (22)

    2) 相對(duì)應(yīng)的誤差協(xié)方差預(yù)測(cè)公式:

    P(k|k-1)=AP(k-1|k-1)AT+Q

    (23)

    現(xiàn)在狀態(tài)的預(yù)測(cè)結(jié)果更新公式組為:

    3) 狀態(tài)校正公式:

    X(k|k)=X(k|k-1)+
    Kg(k)[Z(k)-HX(k|k-1)]

    (24)

    4) 誤差協(xié)方差校正公式:

    P(k|k)=[I-Kg(k)H]P(k|k-1)

    (25)

    5) Kalman增益系數(shù)公式:

    Kg(k)=P(k|k-1)HT·
    [HP(k|k-1)HT+R]-1

    (26)

    (27)

    協(xié)方差矩陣Q和R分別為:

    (28)

    Kalman算法對(duì)于運(yùn)動(dòng)速度過(guò)快或者被遮擋的目標(biāo),能夠比較精確地預(yù)測(cè)其在下一幀視頻圖像中可能出現(xiàn)的位置,很大程度上解決了外界動(dòng)態(tài)環(huán)境變化所引起的跟蹤失敗問(wèn)題,在實(shí)際工程應(yīng)用中具有較大的應(yīng)用價(jià)值。本文基于HSV顏色空間,同時(shí)加入Canny邊緣檢測(cè)算法改進(jìn)CamShift跟蹤算法,在對(duì)運(yùn)動(dòng)目標(biāo)與環(huán)境顏色相近時(shí)的檢測(cè)跟蹤時(shí),很大地加強(qiáng)了跟蹤檢測(cè)的光魯棒性;同時(shí),Kalman算法的加入,使其在高速運(yùn)動(dòng)或有障礙物時(shí)不至于丟失目標(biāo),使其能連續(xù)跟蹤,其流程圖如圖7所示。

    圖7 本文算法流程圖Fig.7 The flow chart of this article

    3 實(shí)驗(yàn)測(cè)試及分析

    為驗(yàn)證本文算法的實(shí)用性及優(yōu)越性,設(shè)置如表2所示的軟硬件及參數(shù)環(huán)境,三種算法在正常環(huán)境情況下,跟蹤的效率差距不是很大,不影響系統(tǒng)的檢測(cè)跟蹤性能,因此本文進(jìn)行了兩種較極端情況下的仿真測(cè)試。

    表2 軟硬件環(huán)境及相關(guān)參數(shù)Tab.2 The H/S environment and related parameters

    本文使用Bhattacharyya距離[14](BH系數(shù))d(y)和有效幀率[15-16]ω作為其衡量標(biāo)準(zhǔn)。BH系數(shù)ρ(0<ρ<1)用于衡量CamShift算法中檢測(cè)模塊與目標(biāo)模塊的相似程度,其值越大,表示其相似度越高,算法跟蹤效果越好;有效幀率ω則表示在目標(biāo)跟蹤過(guò)程中檢測(cè)到的有效幀數(shù)與總幀數(shù)的比值,用來(lái)衡量目標(biāo)跟蹤算法的有效性。而判斷某一幀是否為有效幀的方法仍然可以采用BH系數(shù),設(shè)定適當(dāng)?shù)拈撝?,?dāng)BH系數(shù)超過(guò)這個(gè)閾值時(shí),則認(rèn)為其為有效幀。

    測(cè)試1 運(yùn)動(dòng)目標(biāo)顏色與環(huán)境顏色相似時(shí)測(cè)試效果

    從圖8可以看出,當(dāng)跟蹤目標(biāo)顏色與環(huán)境顏色相近時(shí),傳統(tǒng)的CamShift算法仍然可以跟蹤目標(biāo),但是其跟蹤窗口會(huì)變大,總是要滯后幾幀,隨著顏色的越來(lái)越接近,這種滯后會(huì)更嚴(yán)重,而且當(dāng)跟蹤目標(biāo)遇到有與其顏色相近的類似目標(biāo)時(shí),可能還會(huì)檢測(cè)到其他目標(biāo),導(dǎo)致檢測(cè)到的有效幀減少,其測(cè)試效果如圖8(a)所示;CamShift和Kalman濾波相結(jié)合的算法,由于加入了Kalman濾波預(yù)測(cè)算法,跟蹤窗口基本接近于物體的物理長(zhǎng)寬度,能較好地跟蹤目標(biāo),其測(cè)試結(jié)果如圖8(b)所示;本文算法綜合了CamShift和Kalman濾波的優(yōu)點(diǎn),同時(shí)加入了跟蹤目標(biāo)的邊緣檢測(cè)算法,因此其跟蹤窗口能實(shí)時(shí)準(zhǔn)確地跟蹤到目標(biāo),不存在延時(shí)和失真等現(xiàn)象,尤其是在遇到顏色與跟蹤目標(biāo)顏色相近的障礙物或者其他物體時(shí)跟蹤效果更好,采用的顏色直方圖和邊緣檢測(cè)算法相結(jié)合的算法,對(duì)跟蹤目標(biāo)而言,其是唯一的,因此檢測(cè)效果會(huì)更好,測(cè)試結(jié)果如圖8(c)所示。

    圖8 不同算法測(cè)試效果Fig.8 The test result of different algorithms

    對(duì)三種算法的BH系數(shù)進(jìn)行了比較,如圖9所示,本文算法中的BH系數(shù)達(dá)到最高,且在遇到與跟蹤目標(biāo)顏色相近的其他物體或在跟蹤目標(biāo)與環(huán)境顏色相近的極端情況時(shí),也能達(dá)到很好的效果,其BH系數(shù)基本保持不變,同時(shí)表3中也對(duì)比了三種算法的有效幀率,本文算法可以達(dá)到對(duì)跟蹤目標(biāo)的完全有效跟蹤,具有良好的穩(wěn)定性和魯棒性。

    圖9 不同算法BH系數(shù)Fig.9 BH coefficient of different algorithms

    表3 顏色相似時(shí)的測(cè)試結(jié)果Tab.3 The effective frames in similar colors

    測(cè)試2 有遮擋干擾下的測(cè)試結(jié)果

    在跟蹤目標(biāo)穿過(guò)障礙物時(shí),傳統(tǒng)的CamShift算法在跟蹤目標(biāo)遇到障礙物時(shí),跟蹤窗口會(huì)停留在目標(biāo)消失的最后位置,并且其窗口也會(huì)不停地變化,但是當(dāng)目標(biāo)出現(xiàn)在障礙物的前方時(shí),跟蹤窗口還是停留在原來(lái)的位置,并不會(huì)隨著目標(biāo)的重新出現(xiàn)而繼續(xù)匹配窗口,其測(cè)試效果如圖10(a)所示,同時(shí)從圖11中也可以看出,其BH系數(shù)快速地降為零,目標(biāo)繼續(xù)運(yùn)動(dòng)后,CamShift算法失去了目標(biāo),可能導(dǎo)致跟蹤失??;CamShift和Kalman濾波相結(jié)合的算法在遇到障礙物時(shí),可以達(dá)到較好的效果,其BH系數(shù)也可以在跟蹤目標(biāo)穿過(guò)障礙物時(shí),比較快速地恢復(fù)到一個(gè)穩(wěn)定的值,同時(shí)不會(huì)丟失目標(biāo),如圖10(b)所示;本文算法中,其BH系數(shù)在整個(gè)跟蹤過(guò)程中都比較穩(wěn)定,在遇到障礙物時(shí),其值會(huì)減小,但是當(dāng)跟蹤目標(biāo)重新出現(xiàn)時(shí),跟蹤窗口馬上匹配目標(biāo),BH系數(shù)也快速地恢復(fù)到一個(gè)比較穩(wěn)定的值,不會(huì)產(chǎn)生較大的波動(dòng),整個(gè)跟蹤過(guò)程BH系數(shù)都很穩(wěn)定,沒(méi)有明顯的波動(dòng)變化過(guò)程,其測(cè)試效果如圖10(c)所示。對(duì)于復(fù)雜環(huán)境中經(jīng)常被障礙物遮擋的跟蹤目標(biāo),在整個(gè)跟蹤過(guò)程中都能表現(xiàn)出很好的跟蹤性能,從表4的對(duì)比中也可以看出,本算法的有效率是最高的。

    圖10 有障礙物環(huán)境測(cè)試效果Fig.10 The test results with obstacle

    圖11 有障礙物環(huán)境下BH系數(shù)Fig.11 The BH coefficients of different algorithms

    表4 有障礙物時(shí)測(cè)試結(jié)果Tab.4 The effective frames in different algorithms

    4 結(jié)論

    由于環(huán)境變化的復(fù)雜性,以及光照強(qiáng)度的不斷變化,增加了對(duì)特定目標(biāo)檢測(cè)跟蹤的難度,本文提出結(jié)合Canny邊緣檢測(cè)的改進(jìn)CamShift跟蹤算法,該算法克服了目標(biāo)與環(huán)境顏色相近時(shí)無(wú)法檢測(cè)或檢測(cè)目標(biāo)誤差較大的難點(diǎn),同時(shí)Kalman算法對(duì)目標(biāo)的預(yù)測(cè),尤其是有障礙物時(shí)的目標(biāo)跟蹤,具有較強(qiáng)的魯棒性。仿真測(cè)試實(shí)驗(yàn)結(jié)果表明,算法極大地改進(jìn)了原始CamShift算法在目標(biāo)檢測(cè)跟蹤上的缺陷,本文所設(shè)計(jì)算法的跟蹤效果比較穩(wěn)定,具有較大的應(yīng)用價(jià)值。

    猜你喜歡
    跟蹤目標(biāo)魯棒性直方圖
    統(tǒng)計(jì)頻率分布直方圖的備考全攻略
    符合差分隱私的流數(shù)據(jù)統(tǒng)計(jì)直方圖發(fā)布
    核相關(guān)濾波與孿生網(wǎng)絡(luò)相結(jié)合的目標(biāo)跟蹤算法
    荒漠綠洲區(qū)潛在生態(tài)網(wǎng)絡(luò)增邊優(yōu)化魯棒性分析
    基于確定性指標(biāo)的弦支結(jié)構(gòu)魯棒性評(píng)價(jià)
    用直方圖控制畫面影調(diào)
    基于圖割理論的尺度自適應(yīng)人臉跟蹤算法
    連續(xù)同色調(diào)背景下運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤
    基于非支配解集的多模式裝備項(xiàng)目群調(diào)度魯棒性優(yōu)化
    西南交通大學(xué)學(xué)報(bào)(2016年6期)2016-05-04 04:13:11
    9热在线视频观看99| 欧美+亚洲+日韩+国产| 亚洲人成电影观看| 女人久久www免费人成看片| 无遮挡黄片免费观看| av国产精品久久久久影院| 操美女的视频在线观看| 中国美女看黄片| 国产精品av久久久久免费| 国产免费福利视频在线观看| 大香蕉久久成人网| 99久久国产精品久久久| 各种免费的搞黄视频| svipshipincom国产片| 亚洲精品av麻豆狂野| 老司机福利观看| 久久香蕉激情| 亚洲一区二区三区欧美精品| 成在线人永久免费视频| 国产精品香港三级国产av潘金莲| 97在线人人人人妻| 亚洲熟女毛片儿| 国产精品久久久久成人av| 99久久国产精品久久久| 亚洲激情五月婷婷啪啪| 国产一卡二卡三卡精品| 午夜精品国产一区二区电影| 青春草亚洲视频在线观看| 成人手机av| 久久久久久久国产电影| 天堂8中文在线网| 国产熟女午夜一区二区三区| 国产av精品麻豆| 一本大道久久a久久精品| 18禁黄网站禁片午夜丰满| 久久女婷五月综合色啪小说| 少妇被粗大的猛进出69影院| 下体分泌物呈黄色| 亚洲一卡2卡3卡4卡5卡精品中文| 在线天堂中文资源库| 国产深夜福利视频在线观看| 妹子高潮喷水视频| 在线观看www视频免费| 亚洲精品一区蜜桃| 一级黄色大片毛片| 97人妻天天添夜夜摸| 欧美+亚洲+日韩+国产| 午夜福利一区二区在线看| 性高湖久久久久久久久免费观看| 中文欧美无线码| 亚洲色图 男人天堂 中文字幕| 菩萨蛮人人尽说江南好唐韦庄| 国产男人的电影天堂91| 国产成人免费观看mmmm| 亚洲精品自拍成人| av天堂在线播放| 男女国产视频网站| 免费在线观看黄色视频的| 老鸭窝网址在线观看| 91麻豆精品激情在线观看国产 | 亚洲精品粉嫩美女一区| 欧美日韩福利视频一区二区| 久久久水蜜桃国产精品网| 久久人人爽人人片av| 在线观看免费高清a一片| 精品国产乱码久久久久久小说| 成在线人永久免费视频| 日韩 欧美 亚洲 中文字幕| 国产日韩欧美视频二区| 一级黄色大片毛片| 人妻久久中文字幕网| 国产福利在线免费观看视频| 在线观看一区二区三区激情| 黑人巨大精品欧美一区二区蜜桃| 精品亚洲成国产av| 久久午夜综合久久蜜桃| 精品第一国产精品| 黄片播放在线免费| 久久久久久久久免费视频了| 欧美另类亚洲清纯唯美| 国产成人免费观看mmmm| 肉色欧美久久久久久久蜜桃| 在线看a的网站| 一级片免费观看大全| 香蕉丝袜av| 丝袜美腿诱惑在线| 国产成人精品无人区| 狠狠婷婷综合久久久久久88av| 国产一区二区激情短视频 | 国产熟女午夜一区二区三区| 久9热在线精品视频| 亚洲精品中文字幕一二三四区 | 亚洲精品第二区| 亚洲国产欧美日韩在线播放| 91成人精品电影| 女人高潮潮喷娇喘18禁视频| 亚洲一码二码三码区别大吗| 久久午夜综合久久蜜桃| 999久久久国产精品视频| 久久久水蜜桃国产精品网| 操出白浆在线播放| 国产在视频线精品| 一区福利在线观看| 麻豆av在线久日| av一本久久久久| 亚洲欧美激情在线| 国产在线免费精品| 国产成人欧美在线观看 | 丁香六月欧美| 久久久久久人人人人人| 久久国产精品大桥未久av| 久久九九热精品免费| 青青草视频在线视频观看| 不卡一级毛片| 精品乱码久久久久久99久播| 国产av精品麻豆| 成年美女黄网站色视频大全免费| 99国产精品一区二区蜜桃av | 国产成人av教育| 亚洲av国产av综合av卡| 亚洲国产av新网站| 人妻久久中文字幕网| 一区二区三区四区激情视频| 99久久综合免费| 不卡av一区二区三区| 多毛熟女@视频| 青春草亚洲视频在线观看| 亚洲成国产人片在线观看| 伊人亚洲综合成人网| 男女下面插进去视频免费观看| 一本—道久久a久久精品蜜桃钙片| 免费在线观看视频国产中文字幕亚洲 | 日本精品一区二区三区蜜桃| www.999成人在线观看| 亚洲国产日韩一区二区| 国产主播在线观看一区二区| 亚洲少妇的诱惑av| av欧美777| 国产欧美亚洲国产| 国产伦人伦偷精品视频| 国产黄色免费在线视频| 亚洲成国产人片在线观看| 免费一级毛片在线播放高清视频 | 国产av国产精品国产| 亚洲 国产 在线| 国产精品一区二区在线观看99| 中文字幕色久视频| 黄网站色视频无遮挡免费观看| 亚洲成av片中文字幕在线观看| 日本一区二区免费在线视频| 亚洲一区中文字幕在线| 国产一区二区三区综合在线观看| 人妻久久中文字幕网| 久久人人爽人人片av| 国产在线视频一区二区| 可以免费在线观看a视频的电影网站| 色老头精品视频在线观看| 久久久精品免费免费高清| 色精品久久人妻99蜜桃| 一本色道久久久久久精品综合| 国产1区2区3区精品| 下体分泌物呈黄色| 欧美日韩av久久| 国产深夜福利视频在线观看| 久久亚洲国产成人精品v| 欧美97在线视频| 老汉色av国产亚洲站长工具| 欧美黑人欧美精品刺激| 亚洲国产日韩一区二区| 一级,二级,三级黄色视频| 女人精品久久久久毛片| 久久 成人 亚洲| 国产日韩欧美视频二区| 国产精品麻豆人妻色哟哟久久| 国产区一区二久久| 亚洲国产欧美在线一区| 免费在线观看日本一区| 亚洲五月色婷婷综合| h视频一区二区三区| 日本a在线网址| 免费高清在线观看视频在线观看| 最黄视频免费看| 熟女少妇亚洲综合色aaa.| 黑人欧美特级aaaaaa片| 咕卡用的链子| 午夜精品国产一区二区电影| 99re6热这里在线精品视频| 大型av网站在线播放| 久久久久久亚洲精品国产蜜桃av| 国产亚洲av高清不卡| 欧美日本中文国产一区发布| 少妇人妻久久综合中文| 国产视频一区二区在线看| 19禁男女啪啪无遮挡网站| 夜夜夜夜夜久久久久| 狂野欧美激情性bbbbbb| 啦啦啦 在线观看视频| 日韩一卡2卡3卡4卡2021年| 欧美精品亚洲一区二区| 成人免费观看视频高清| 777米奇影视久久| 亚洲欧美激情在线| 久久国产精品大桥未久av| 91麻豆av在线| 亚洲国产欧美日韩在线播放| 亚洲国产欧美一区二区综合| 国产免费一区二区三区四区乱码| 亚洲第一青青草原| e午夜精品久久久久久久| 黄色视频在线播放观看不卡| 久久女婷五月综合色啪小说| 两个人看的免费小视频| 国产淫语在线视频| 国产成人一区二区三区免费视频网站| 亚洲欧美精品综合一区二区三区| 90打野战视频偷拍视频| 国产日韩一区二区三区精品不卡| av在线老鸭窝| 国产熟女午夜一区二区三区| 亚洲一区中文字幕在线| 日韩视频一区二区在线观看| 丰满迷人的少妇在线观看| 99久久人妻综合| av超薄肉色丝袜交足视频| 免费在线观看日本一区| 亚洲精品一二三| 少妇人妻久久综合中文| 国产高清视频在线播放一区 | 亚洲欧美成人综合另类久久久| av不卡在线播放| 国产欧美日韩一区二区三 | 性色av一级| 亚洲九九香蕉| 91精品国产国语对白视频| 久久狼人影院| 色婷婷av一区二区三区视频| 久久久久久人人人人人| 久久精品亚洲av国产电影网| 下体分泌物呈黄色| 少妇裸体淫交视频免费看高清 | 亚洲美女黄色视频免费看| 桃红色精品国产亚洲av| 操美女的视频在线观看| 精品一区二区三区av网在线观看 | 亚洲欧美精品自产自拍| tocl精华| 日日夜夜操网爽| 久久久久久人人人人人| 亚洲精品美女久久久久99蜜臀| 国产成人精品无人区| 视频区图区小说| 老司机午夜福利在线观看视频 | 国产精品自产拍在线观看55亚洲 | 老汉色∧v一级毛片| 在线亚洲精品国产二区图片欧美| 新久久久久国产一级毛片| 99re6热这里在线精品视频| 满18在线观看网站| 成人国产av品久久久| 大香蕉久久成人网| 一本色道久久久久久精品综合| 人人澡人人妻人| av电影中文网址| 老汉色∧v一级毛片| 黑人巨大精品欧美一区二区蜜桃| 国产一卡二卡三卡精品| 欧美成狂野欧美在线观看| 看免费av毛片| 久久人人97超碰香蕉20202| 日韩视频一区二区在线观看| xxxhd国产人妻xxx| 久久精品国产亚洲av香蕉五月 | 亚洲美女黄色视频免费看| 在线十欧美十亚洲十日本专区| 欧美日本中文国产一区发布| 亚洲avbb在线观看| 精品亚洲成a人片在线观看| 欧美成狂野欧美在线观看| 777久久人妻少妇嫩草av网站| 久久国产精品大桥未久av| 9色porny在线观看| 久久中文看片网| 777米奇影视久久| 久久精品国产a三级三级三级| 大香蕉久久成人网| 亚洲熟女毛片儿| 欧美在线一区亚洲| 欧美激情久久久久久爽电影 | 最新在线观看一区二区三区| 老司机影院成人| 国产成人精品久久二区二区免费| 中国国产av一级| 久热爱精品视频在线9| 大陆偷拍与自拍| 国产精品 欧美亚洲| 激情视频va一区二区三区| 午夜福利乱码中文字幕| 日韩大码丰满熟妇| 99国产精品99久久久久| 国产又色又爽无遮挡免| 一区二区av电影网| 成年人午夜在线观看视频| 亚洲国产精品999| 久久久久国产一级毛片高清牌| 黄网站色视频无遮挡免费观看| 99精国产麻豆久久婷婷| 欧美精品av麻豆av| av线在线观看网站| 久久99一区二区三区| 久久人人爽av亚洲精品天堂| 精品亚洲成国产av| 老鸭窝网址在线观看| 久久午夜综合久久蜜桃| 亚洲全国av大片| 亚洲男人天堂网一区| 美女大奶头黄色视频| 黄片大片在线免费观看| 少妇裸体淫交视频免费看高清 | 久久久久视频综合| tocl精华| 老司机午夜福利在线观看视频 | 日本a在线网址| 亚洲成国产人片在线观看| 美女福利国产在线| 久久久久久人人人人人| av欧美777| 午夜精品久久久久久毛片777| 无限看片的www在线观看| 久久av网站| e午夜精品久久久久久久| 亚洲午夜精品一区,二区,三区| 亚洲男人天堂网一区| 伦理电影免费视频| 亚洲欧美日韩另类电影网站| 国产一卡二卡三卡精品| 夜夜夜夜夜久久久久| 欧美+亚洲+日韩+国产| 美女大奶头黄色视频| a级毛片黄视频| 岛国毛片在线播放| 纵有疾风起免费观看全集完整版| 国产精品熟女久久久久浪| 欧美激情高清一区二区三区| 国产在视频线精品| 成年美女黄网站色视频大全免费| 99久久综合免费| 性高湖久久久久久久久免费观看| 精品第一国产精品| 日韩 欧美 亚洲 中文字幕| 成人国产av品久久久| 亚洲精品一卡2卡三卡4卡5卡 | 欧美日韩国产mv在线观看视频| 精品国产一区二区三区四区第35| 1024香蕉在线观看| 成人18禁高潮啪啪吃奶动态图| 他把我摸到了高潮在线观看 | 可以免费在线观看a视频的电影网站| 午夜日韩欧美国产| 女人久久www免费人成看片| 中文精品一卡2卡3卡4更新| 日韩中文字幕欧美一区二区| 久久精品国产a三级三级三级| 精品福利永久在线观看| 青青草视频在线视频观看| 成年av动漫网址| 亚洲av美国av| 久久热在线av| 亚洲精品在线美女| 中文字幕人妻丝袜制服| 国产精品秋霞免费鲁丝片| 热re99久久国产66热| 999精品在线视频| 99热全是精品| 亚洲精品一二三| 久久久久久久久久久久大奶| 亚洲色图综合在线观看| 亚洲精品中文字幕在线视频| 搡老岳熟女国产| 亚洲精品久久久久久婷婷小说| 麻豆国产av国片精品| 正在播放国产对白刺激| 欧美性长视频在线观看| 一区福利在线观看| 香蕉国产在线看| 看免费av毛片| 黄色 视频免费看| 狠狠狠狠99中文字幕| 色综合欧美亚洲国产小说| 水蜜桃什么品种好| 精品国产乱码久久久久久男人| 亚洲人成电影免费在线| 久久人人爽av亚洲精品天堂| 一区福利在线观看| 久久99一区二区三区| 久9热在线精品视频| 久久久久久久久免费视频了| 国产成+人综合+亚洲专区| 久久国产精品男人的天堂亚洲| 一级片免费观看大全| 久久ye,这里只有精品| 啦啦啦免费观看视频1| h视频一区二区三区| 亚洲精品日韩在线中文字幕| 一级毛片女人18水好多| 热99国产精品久久久久久7| 精品视频人人做人人爽| 国产国语露脸激情在线看| 精品久久久精品久久久| 久久国产精品男人的天堂亚洲| 18禁黄网站禁片午夜丰满| 久久精品国产综合久久久| 精品亚洲成国产av| 欧美亚洲 丝袜 人妻 在线| 青青草视频在线视频观看| 黑人巨大精品欧美一区二区蜜桃| 成人免费观看视频高清| 99久久精品国产亚洲精品| 两性午夜刺激爽爽歪歪视频在线观看 | 国产成人一区二区三区免费视频网站| 日日摸夜夜添夜夜添小说| 老熟女久久久| 久久女婷五月综合色啪小说| 国产精品一区二区在线不卡| 亚洲av成人一区二区三| 自线自在国产av| 亚洲av日韩在线播放| 久久久久国产一级毛片高清牌| 亚洲精品在线美女| 精品福利永久在线观看| 亚洲精品国产色婷婷电影| 精品第一国产精品| 亚洲国产毛片av蜜桃av| 这个男人来自地球电影免费观看| 丁香六月欧美| 亚洲久久久国产精品| 亚洲中文av在线| 久久久久久免费高清国产稀缺| 欧美日韩亚洲高清精品| 国产伦理片在线播放av一区| 18禁黄网站禁片午夜丰满| 亚洲va日本ⅴa欧美va伊人久久 | 久久午夜综合久久蜜桃| 男女国产视频网站| 好男人电影高清在线观看| 男人操女人黄网站| 亚洲午夜精品一区,二区,三区| 性色av乱码一区二区三区2| 国产高清国产精品国产三级| 欧美在线黄色| 男人操女人黄网站| 精品少妇一区二区三区视频日本电影| 男女下面插进去视频免费观看| 人人澡人人妻人| 欧美日韩中文字幕国产精品一区二区三区 | 两性午夜刺激爽爽歪歪视频在线观看 | 久久精品国产亚洲av香蕉五月 | 少妇粗大呻吟视频| 交换朋友夫妻互换小说| av网站在线播放免费| 成年av动漫网址| 国产成人精品无人区| 咕卡用的链子| 一区二区日韩欧美中文字幕| 亚洲黑人精品在线| 一本综合久久免费| 午夜福利乱码中文字幕| 一区二区av电影网| 精品福利观看| 一区福利在线观看| 国产av又大| 久久久久国产精品人妻一区二区| 亚洲中文av在线| 两个人看的免费小视频| 男人舔女人的私密视频| 国产av又大| 不卡av一区二区三区| 亚洲国产欧美一区二区综合| 国产精品一区二区精品视频观看| 欧美日韩视频精品一区| 老司机影院成人| 亚洲精品自拍成人| 午夜免费鲁丝| 亚洲第一青青草原| 99香蕉大伊视频| 成年人午夜在线观看视频| av欧美777| 99精品久久久久人妻精品| 大片免费播放器 马上看| 悠悠久久av| 久久精品人人爽人人爽视色| 精品少妇久久久久久888优播| 欧美日韩亚洲高清精品| 这个男人来自地球电影免费观看| 亚洲成人手机| 精品乱码久久久久久99久播| 亚洲免费av在线视频| www.自偷自拍.com| 在线天堂中文资源库| 两性夫妻黄色片| 精品少妇一区二区三区视频日本电影| 黄片小视频在线播放| 狂野欧美激情性xxxx| 久久国产精品影院| videosex国产| 国产成人av激情在线播放| 一个人免费看片子| 国产一区二区在线观看av| 手机成人av网站| 国产成人精品久久二区二区91| 我的亚洲天堂| 少妇被粗大的猛进出69影院| 国产色视频综合| 下体分泌物呈黄色| 日韩,欧美,国产一区二区三区| 日本一区二区免费在线视频| 午夜日韩欧美国产| 波多野结衣av一区二区av| 欧美精品一区二区大全| 2018国产大陆天天弄谢| 九色亚洲精品在线播放| 久久毛片免费看一区二区三区| 爱豆传媒免费全集在线观看| 丰满饥渴人妻一区二区三| 亚洲精品自拍成人| 亚洲av片天天在线观看| 精品少妇黑人巨大在线播放| 精品久久久久久电影网| 黄色 视频免费看| 夜夜夜夜夜久久久久| 欧美午夜高清在线| 免费av中文字幕在线| 捣出白浆h1v1| 午夜福利视频精品| 久久久久久久久久久久大奶| 18禁观看日本| 在线观看免费午夜福利视频| 国产日韩欧美在线精品| 777米奇影视久久| 国产欧美日韩一区二区三 | 九色亚洲精品在线播放| 热99re8久久精品国产| 久久久久久久国产电影| 国产精品欧美亚洲77777| 人妻 亚洲 视频| 黄色a级毛片大全视频| 国产一区二区激情短视频 | 午夜福利视频在线观看免费| 波多野结衣一区麻豆| 丝瓜视频免费看黄片| 桃红色精品国产亚洲av| 每晚都被弄得嗷嗷叫到高潮| 亚洲国产欧美一区二区综合| 国产亚洲av高清不卡| 久久精品国产亚洲av高清一级| 手机成人av网站| 欧美日韩中文字幕国产精品一区二区三区 | 欧美精品啪啪一区二区三区 | 欧美日韩成人在线一区二区| www日本在线高清视频| 久久国产精品大桥未久av| 丁香六月欧美| 伊人亚洲综合成人网| a级毛片黄视频| 视频在线观看一区二区三区| 免费观看a级毛片全部| 亚洲avbb在线观看| 女人高潮潮喷娇喘18禁视频| 国产精品 国内视频| 欧美精品亚洲一区二区| 色94色欧美一区二区| 色播在线永久视频| 欧美精品高潮呻吟av久久| 国产97色在线日韩免费| 韩国高清视频一区二区三区| 麻豆av在线久日| 免费在线观看视频国产中文字幕亚洲 | 老司机在亚洲福利影院| 国产国语露脸激情在线看| 97在线人人人人妻| 丰满迷人的少妇在线观看| 亚洲一卡2卡3卡4卡5卡精品中文| 日本欧美视频一区| 久久国产亚洲av麻豆专区| 大陆偷拍与自拍| 国产精品久久久久久精品古装| 欧美另类亚洲清纯唯美| 视频区欧美日本亚洲| 国产成+人综合+亚洲专区| 欧美日韩视频精品一区| 亚洲精品一区蜜桃| 久久久国产成人免费| 久久人人97超碰香蕉20202| 亚洲激情五月婷婷啪啪| 精品高清国产在线一区| 日本91视频免费播放| 国产欧美日韩一区二区精品| 国产成人精品久久二区二区免费| 啦啦啦 在线观看视频| 亚洲国产欧美在线一区| 日韩欧美一区视频在线观看| 免费高清在线观看视频在线观看| 国产精品免费视频内射| 叶爱在线成人免费视频播放| 国产成人免费无遮挡视频| 一区二区日韩欧美中文字幕| 两个人看的免费小视频| 飞空精品影院首页| 欧美日韩视频精品一区| 少妇 在线观看| 欧美人与性动交α欧美精品济南到| 999久久久国产精品视频| 欧美亚洲 丝袜 人妻 在线| 成人av一区二区三区在线看 | 午夜免费鲁丝| 美女大奶头黄色视频|