一种新的红外目标跟踪方法

在成像制导过程中需要实时处理大量的信息,为了尽可能在保留有效信息情况下降低计算量,提出了一种基于人眼非均匀采样特性和粒子滤波相结合的红外目标跟踪方法。首先应用对数极坐标模型的旋转、缩放及灰度分布不变性来压缩信息量以提高计算速度,然后采用基于目标灰度特征的粒子滤波跟踪方法来抑制匹配点漂移和目标的非刚性形变,从而实现对非刚性变形目标的稳健跟踪。与角点匹配跟踪方法及传统的Mean Shift跟踪方法相比,该方法具有跟踪稳定,计算速度快等优点。实验结果表明,该方法能够有效抑制匹配点漂移和目标的非刚性形变。

基于人眼视觉非均匀特性的实时Mean Shift跟踪方法(英文)

由于在成像制导过程中需要实时处理大量的信息,为了在尽可能保留有效信息情况下降低计算量,采用了一种人眼视觉非均匀采样模型——对数极坐标模型,来压缩信息量以提高计算速度;另外,由于对数极坐标变换对目标形状具有旋转和缩放不变性,在跟踪非刚性变形目标时该模型能表现出很好的稳健性;考虑到在成像跟踪末段,质心、角点之类的跟踪方法会产生匹配点漂移,为了抑制匹配点漂移,采用基于目标强度特征的Mean Shift跟踪方法,并对采用Gauss核函数的Mean Shift方法进行了优化来加快计算速度;实验结果表明,该方法能够有效抑制匹配点漂移,是一个稳健的目标跟踪方法.