基于位置预测的靶场图像实时判读方法

发布时间：2023-03-12 17:12

　　在靶场经纬仪对目标实时跟踪测量时,会发生相机随机抖动的情况,引起目标在图像中大幅度运动。应对大幅度运动时,基于搜索窗口的跟踪方法容易丢失目标,而基于全图搜索的跟踪方法时效性差。针对以上问题,提出一种结合核相关滤波算法(Kernelized Correlation Filter, KCF)和目标位置预测的改进的跟踪学习检测算法(Tracking-Learning-Detection, TLD)跟踪框架。利用正交多项式最优线性滤波器及相机角度信息预测目标下一帧位置,在此区域利用KCF进行快速跟踪,可以提高跟踪的成功率和时效性,跟踪失败时再进行检测。仿真实验表明,最优线性滤波器能较准确预测目标位置,给KCF提供较准确的搜索位置,算法每帧耗时仅为1.1 ms,且定位精度优于TLD和KCF,能有效应对相机抖动的问题。靶场实际试验证明该方法可提高靶场自动判读水平,减少人工干预。

【文章页数】：7 页

【文章目录】：
1 靶场实时判读方法
    1.1 改进的TLD框架
        1.1.1 TLD框架
        1.1.2 TLD用于实时判读存在的问题
        1.1.3 改进的框架
    1.2 基于综合角度滤波的位置预测方法
        1.2.1 观测模型
        1.2.2 预测模型
        1.2.3 预测位置解算
2 实验验证
    2.1 仿真说明
        2.1.1 仿真条件说明
        2.1.2 算法参数说明
    2.2 性能评估
        2.2.1 预测性能
        2.2.2 跟踪性能
        2.2.3 时间性能
    2.3 靶场验证
3 结论



本文编号：3761617