基于主成分分析法的窗口自适应粒子滤波算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于主成分分析法的窗口自适应粒子滤波算法

李权, 赵勋杰, 彭青艳, 邹薇, 张雪松

文章导航 > 红外与激光工程 > 2014 > 43(10): 3474-3479

李权, 赵勋杰, 彭青艳, 邹薇, 张雪松. 基于主成分分析法的窗口自适应粒子滤波算法[J]. 红外与激光工程, 2014, 43(10): 3474-3479.

引用本文:

李权, 赵勋杰, 彭青艳, 邹薇, 张雪松. 基于主成分分析法的窗口自适应粒子滤波算法[J]. 红外与激光工程, 2014, 43(10): 3474-3479.

Li Quan, Zhao Xunjie, Peng Qingyan, Zou Wei, Zhang Xuesong. Windows adaptive particle filter algorithm based on principal component analysis[J]. Infrared and Laser Engineering, 2014, 43(10): 3474-3479.

Citation:

Li Quan, Zhao Xunjie, Peng Qingyan, Zou Wei, Zhang Xuesong. Windows adaptive particle filter algorithm based on principal component analysis[J]. Infrared and Laser Engineering, 2014, 43(10): 3474-3479.

基于主成分分析法的窗口自适应粒子滤波算法

1.
苏州大学物理科学与技术学院,江苏苏州 215006;
2.
光电信息控制和安全技术重点实验室,河北燕郊 065201

基金项目:

江苏省高校自然科学基金(BK2009116);国防科技重点实验室基金

作者简介:
李权(1990-),男,硕士生,主要从事计算机视觉及应用方面的研究。Email:15151523899@163.com

中图分类号: TP391.41

Windows adaptive particle filter algorithm based on principal component analysis

1.
School of Physical Science and Technology,Soochow University,Suzhou 215006,China;
2.
Science and Technology on Electro-optical Security Laboratory,Yanjiao 065201,China

摘要: 传统的窗口固定的粒子滤波跟踪算法在运动目标尺度发生明显变化时不能有效地跟踪目标。针对这一问题,提出了一种跟踪窗口尺寸和方向自适应变化的粒子滤波跟踪方法。该方法将主成分分析法引入到粒子滤波框架中,通过分析目标区域内像素值的协方差矩阵得到包含目标区域取向和尺寸信息的椭圆跟踪窗口。实验结果表明,该跟踪算法能自适应于目标区域形状的变化,在目标尺寸和方向发生变化时能很好地跟踪和确定目标区域。
- 粒子滤波 /
- 主成分分析法 /
- 协方差矩阵 /
- 特征值 /
- 自适应窗口
Abstract: An adaptive bandwidth object tracking method based on particle filter was proposed. Classic Particle Filter based tracking algorithm uses fixed kernel-bandwidth, as the scale changes obviously, the target may not be tracked effectively. So the principal component analysis method was introduced into the particle filtering framework to analysis the covariance matrix of the pixels within the target region. Then the most ideal tracking window including target direction and scale can be calculated. The experimental results show that the method can be adaptive to the variation of local structure of the target, moreover, spatial location and scale are good.
- particle filter /
- principal component analysis /
- covariance matrix /
- characteristic value /
- adaptive windows

[1]	Zhu Z Y. Particle Filter Algorithm and Its Application[M]. Beijing: Science Press, 2010. (in Chinese) 朱志宇. 粒子滤波算法及应用[M]. 北京: 科学出版社, 2010.
[2]
[3]	Zhou E, Liu C P, Sun Y, et al. Adaptive tracking window updating algorithm based on particle filtering[J]. IEEE International Congress on Image and Signal Processing, 2010, 3: 303-307.
[4]
[5]
[6]	Peng Q Y, Zhao X J, Chen J B. Adaptive window object tracking for particle filter[J]. Infrared Technolgoy, 2012, 34(10):568-572. (in Chinese) 彭青艳,赵勋杰,陈家波. 跟踪窗口尺寸自适应调整的粒子滤波跟踪算法[J]. 红外技术, 2012, 34(10): 568-572.
[7]
[8]	Wang X, Zhao L Y, Xue L. Particle filter based on principal component analysis[J]. Journal of Jilin University (Natural Science Edition), 2012, 6(50): 1156-1162. (in Chinese) 王欣, 赵连义, 薛龙. 基于主成分分析的粒子滤波器目标跟踪方法[J],吉林大学学报(理学版), 2012, 6(50): 1156-1162.
[9]	Handschin J E. Monte Carlo techniques for prediction and filtering of non-linear Stochastic processes[J]. Automatica, 1970, 6(3): 555-563.
[10]
[11]	Singer S A, Froast P A. On the relative performance of the Kalman and Winner filters[J]. IEEE Transactions on Automatic Control, 1959, 14(8): 390-394.
[12]
[13]
[14]	Chen H F and Meer P. Robust computer vision through Kernel density estimation[C]//Computer Vision -ECCV, 7th European Conference on Computer Vision Proceedings, 2002: 236-250.
[15]	Chang C, Ansari R. Kernel particle filter for visual tracking[J]. IEEE Signal Processing Letters, 2005, 12(3): 242-245.
[16]
[17]	Chang C B, Whiting R H, Athans M. On the state and parameter estimation for maneuvering re-entry vehicle[J]. IEEE Transactions on Automatic Control, 1977, 22(2): 99-105.

[1]	张宇. 基于主成分分析和VU分解法的两步随机相移算法 . 红外与激光工程, 2024, 53(2): 20230596-1-20230596-11. doi: 10.3788/IRLA20230596
[2]	官子涵, 王敏, 李晓彤. 基于主成分分析和节点像差理论的公差降敏方法 . 红外与激光工程, 2024, 53(2): 20230590-1-20230590-10. doi: 10.3788/IRLA20230590
[3]	刘今越, 马旭哲, 崔月盟, 薛路明, 李铁军. 基于自适应插值滤波的室内环境高速重建系统 . 红外与激光工程, 2022, 51(8): 20210625-1-20210625-8. doi: 10.3788/IRLA20210625
[4]	Li Ning, Wei Daozhi, Zhang Dongyang, Yao Liangfu. Information fusion method of ranging-imaging guidance integrated fuze . 红外与激光工程, 2021, 50(11): 20210039-1-20210039-8. doi: 10.3788/IRLA20210039
[5]	姜珊, 张超, 韩成, 底晓强. 基于相关滤波的目标重检测跟踪 . 红外与激光工程, 2021, 50(2): 20200182-1-20200182-12. doi: 10.3788/IRLA20200182
[6]	时国平, 钱叶册. 伯努利滤波器在纯角度跟踪场景中的应用 . 红外与激光工程, 2021, 50(2): 20200343-1-20200343-9. doi: 10.3788/IRLA20200343
[7]	闫瑞东, 王荣兰, 刘四清, 龚建村. 基于数值轨道模型的轨道协方差演化分析 . 红外与激光工程, 2016, 45(S2): 62-70. doi: 10.3788/IRLA201645.S229006
[8]	危璋, 冯新喜, 刘钊, 刘欣. 自适应非线性GM-PHD滤波及在无源跟踪中的应用 . 红外与激光工程, 2015, 44(10): 3076-3083.
[9]	崔法毅, 解文肖. 基于自适应衰减因子Kalman 滤波的GPS 相位平滑伪距算法 . 红外与激光工程, 2015, 44(1): 377-383.
[10]	崔雄文, 吴钦章, 蒋平, 周进. 子空间模型下的仿射不变目标跟踪 . 红外与激光工程, 2015, 44(2): 769-774.
[11]	曹阳, 郭靖. 粒子滤波的机载激光通信自适应参数辨识跟踪方法 . 红外与激光工程, 2015, 44(10): 3098-3102.
[12]	田立, 周付根, 孟偲. 基于嵌入式多核DSP 系统的并行粒子滤波目标跟踪 . 红外与激光工程, 2014, 43(7): 2354-2361.
[13]	刘雪超, 吴志勇, 王弟男, 杨华, 黄德天. 结合自适应窗口的二维直方图图像增强 . 红外与激光工程, 2014, 43(6): 2027-2034.
[14]	杨咚, 余伟. Sage_Husa自适应滤波在大方位失准角初始对准的研究 . 红外与激光工程, 2013, 42(8): 2197-2201.
[15]	王巍, 向政, 王国栋. 自适应Kalman滤波在光纤陀螺SINS/GNSS紧组合导航中的应用 . 红外与激光工程, 2013, 42(3): 686-691.
[16]	齐蕾, 张闻文, 陈钱, 顾国华. EMCCD图像自适应模糊中值滤波算法研究 . 红外与激光工程, 2013, 42(11): 3150-3155.
[17]	林建粦, 平西建, 马德宝. 采用DBT的漂移扫描星图小目标检测方法 . 红外与激光工程, 2013, 42(12): 3440-3446.
[18]	彭晨, 陈钱, 钱惟贤, 徐富元. 复杂地面场景下的红外运动目标跟踪 . 红外与激光工程, 2013, 42(6): 1410-1414.
[19]	王江涛, 陈得宝, 李素文, 杨一军, 杨静宇. 在线自适应选择子空间的红外目标跟踪方法 . 红外与激光工程, 2013, 42(9): 2579-2583.
[20]	徐琰珂, 梁晓庚, 贾晓洪. 雷达/红外复合导引头信息融合算法 . 红外与激光工程, 2012, 41(1): 30-36.

WeChat

点击查看大图

计量

文章访问数: 438
HTML全文浏览量: 99
PDF下载量: 246
被引次数: 0

基于主成分分析法的窗口自适应粒子滤波算法

1. 苏州大学物理科学与技术学院,江苏苏州 215006;

2. 光电信息控制和安全技术重点实验室,河北燕郊 065201

作者简介:
李权(1990-),男,硕士生,主要从事计算机视觉及应用方面的研究。Email:15151523899@163.com

收稿日期: 2014-02-08
修回日期: 2014-03-10
刊出日期: 2014-10-25

基金项目:

江苏省高校自然科学基金(BK2009116);国防科技重点实验室基金

中图分类号: TP391.41

关键词:

摘要: 传统的窗口固定的粒子滤波跟踪算法在运动目标尺度发生明显变化时不能有效地跟踪目标。针对这一问题,提出了一种跟踪窗口尺寸和方向自适应变化的粒子滤波跟踪方法。该方法将主成分分析法引入到粒子滤波框架中,通过分析目标区域内像素值的协方差矩阵得到包含目标区域取向和尺寸信息的椭圆跟踪窗口。实验结果表明,该跟踪算法能自适应于目标区域形状的变化,在目标尺寸和方向发生变化时能很好地跟踪和确定目标区域。

English Abstract

全文HTML

参考文献 (17)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回