基于改进MEANSHIFT的可见光低小慢目标跟踪算法
Journal of Signal Processing(2022)
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.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要