模型集和IMM自适应的目标跟踪算法

本文在仿真试验和理论分析基础上,首先给出了一种自适应IMM算法。再根据变结构IMM思想,把该算法与具体的运动模型相结合,提出了模型集和IMM算法都是自适应的机动目标跟踪方法。该方法在模式空间连续的情况下,模型集合逐步收敛到给定的范围内。文中给出了两种方法的具体实现步骤,并对文[6]中的AGIMM方法作了修正。仿真试验中把两种方法分别与传统的IMM算法和文[6]的方法进行了比较,结果表明在目标机动情况下,两种方法在性能上均有不同程度的提高,从而证明了本文所提算法的有效性。

改进的目标跟踪算法在互动投影系统中的应用研究

在互动投影系统中,针对Kinect自带的机器学习的目标跟踪算法精确度不高,而Camshift算法在背景颜色与目标物颜色相近时,容易出现误差而无法预测运动方向,提出将Kinect的深度信息与Camshift算法颜色直方图相融合;为克服Camshift算法在目标物体速度发生突变而引起目标跟踪丢失的现象,加入了目标运动轨迹预测机制,提出了一种动态目标自适应跟踪算法。实验结果表明,该算法在背景颜色与目标物颜色相近,且运动速度发生突变的条件下,相比传统的Cam⁃shift算法更具鲁棒性,跟踪准确率提高5.0%。