典型文献
基于改进MEANSHIFT的可见光低小慢目标跟踪算法
文献摘要：
由于低小慢目标强机动性、易畸变等特点导致对其跟踪定位误差大、精确度低,本文针对这一难题提出了一种基于多特征融合与区域生长的Meanshift低小慢目标跟踪算法.首先根据人工标定的目标初始位置截取ROI(region of interest)区域,提取ROI区域的灰度直方图以及HOG(梯度方向直方图)特征,融合两特征建立目标的二维描述模板,然后结合目标模板与候选模板之间的Bhattacharyya相似系数以及ROI区域与候选区域之间的Hu矩的欧氏距离构建新的算法收敛判据,最后利用区域生长方法分析目标面积变化建立模板更新机制.通过在公开数据集LaSOT以及自行采集的4个图像序列上与同类算法的实验表现,表明本文算法对低小慢目标强机动与畸变不敏感,跟踪效果稳定,在一定的约束条件下,算法的跟踪精度可到达95％以上,具有较强的应用价值.
文献关键词：
低小慢目标跟踪;特征融合;Meanshift;区域生长;Hu不变矩
中图分类号：
作者姓名：
胡亮;杨德贵;王行;廖祥红
作者机构：
中南大学航空航天学院,湖南长沙410083;中南大学自动化学院,湖南长沙410083
文献出处：
引用格式：
[1]胡亮;杨德贵;王行;廖祥红-.基于改进MEANSHIFT的可见光低小慢目标跟踪算法)[J].信号处理,2022(04):824-834
A类：
MEANSHIFT,低小慢目标跟踪,Bhattacharyya
B类：
可见光,目标跟踪算法,强机动,机动性,畸变,跟踪定位,定位误差,多特征融合,区域生长,Meanshift,初始位置,截取,ROI,region,interest,灰度直方图,HOG,梯度方向直方图,相似系数,候选区域,Hu,欧氏距离,判据,面积变化,立模,模板更新,更新机制,公开数据集,LaSOT,图像序列,列上,不敏,跟踪精度,可到,不变矩
AB值：
0.366669
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
