改进的基于颜色的粒子滤波目标跟踪算法

提出了一种改进的粒子滤波算法,在遮挡情况下,能鲁棒地跟踪运动目标。该方法是把改进的颜色直方图结合到粒子滤波的观测模型中,并提出了一种判断目标遮挡的分块检测遮挡的方法。首先对传统的以核函数赋权值的方法进行改进,把目标中心附近的像素都赋予最大的权值,目标的边缘由于遮挡等原因采用指数分布赋权值;在遮挡检测时,提出了把跟踪窗分为左右两个子部分,分别计算相似性度量的方法,提高了遮挡检测的实时性和准确性;同时,该算法对旋转和尺寸的变化具有鲁棒性。实验结果表明,与基本的粒子滤波算法相比,提出的新算法能更好的处理目标跟踪中的遮挡问题。

机器人的混合特征视觉环境感知方法

提出一种基于颜色直方图和SIFT混合特征的机器人视觉环境感知方法。该方法将颜色直方图的"色"与SIFT算法的"形"有机结合,有效提高了感知精度和实时性。对图像进行平均亮度调整并对颜色直方图特征加入主颜色直方图,使之对环境光照和动态变化具有更好的鲁棒性;通过控制特征点数和加入局部颜色统计信息方式改进SIFT算法,提高了特征生成速度和匹配准确度。利用分级匹配方法加速了特征检索过程,并采用本文提出的基于数据知识的推理方法进一步提高了感知精度。仿真与实验结果表明,随着数据库规模扩大,本文方法在感知精度和实时性上的性能优势越发明显。