登录
首页 » 图像处理 » 基于vs2012+opeopencv2.4.9的kalman_camshift跟踪运动物体

基于vs2012+opeopencv2.4.9的kalman_camshift跟踪运动物体

于 2022-04-18 发布 文件大小:7.86 MB
0 130
下载积分: 2 下载次数: 2

代码说明:

应用背景使用VS+opencv 2.4.9中 进行运动物体跟踪时,现有的程序只是结合Camshift 程序而已,其缺点就是目标遇到遮挡的时候,容易丢失。为了解决这个问题,本人引入kalman知识,对目标运动进行实时预测,当目标遇到遮挡的时候,可以进行预测,这时候能提高鲁棒性。关键技术本文的Camshift + Kalman进行行人跟踪预测代码是基于opencv2.4.9进行编写的,可以直接拿来应用,非常方便。有兴趣的朋友,可以在本算法的基础上进一步进行优化。由于引入kalman知识,对目标运动进行实时预测,当目标遇到遮挡的时候,可以进行预测。

下载说明:请别用迅雷下载,失败请重下,重下不扣分!

发表评论

0 个回复

  • SIFT特征提取算法
    Rob Hess用C语言写了开源的SIFT实现——OpenSIFT,且具有与原作者示例相差不多的运行性能。由于SIFT算
    2022-03-06 16:49:23下载
    积分:1
  • MATLAB 实现中值滤波 get_median
    该 程序实现了MATLAB中的中值滤波,而MATLAB没有自带的中值滤波函数,   此达到的效果很好。。。。。
    2022-12-21 10:10:04下载
    积分:1
  • 多支持向量机的字符识别
    &提出了一种基于Bernsen算法和支持向量机(SVM)的车牌识别方法;
    2022-03-17 22:41:40下载
    积分:1
  • 基于小波和插值的超分辨率重建算法
    利用小波双线性超分辨率重建算法得到的重建图像会出现低、高频系数不匹配的现象,从而使得到的高分辨率图像灰度偏移。本文对该方法进行了改进,并引入局部适应插值得到更为理想的重建算法。即小波与局部适应插值结合算法。
    2022-02-14 05:10:19下载
    积分:1
  • An Efficient image interpolation wih increasing payload using Neighbor mean interpolation and interp
    图像插值是图像处理中一个非常重要的分支。它是
    2022-03-11 10:32:03下载
    积分:1
  • 对比度增强
    对比度增强
    2022-04-26 11:14:13下载
    积分:1
  • 基于opencv的检索系统
    基于opencv的图像检索系统,输入待检索图像后,选择检索库路径并选择检索方式:基于颜色特征、基于形状特征或者基于颜色和形状综合特征点击【开始检索】按钮即可得到检索结果。
    2022-01-25 14:58:59下载
    积分:1
  • jpeg编解码设计
    此文件提供 IJG JPEG 软件 ; 体系结构概述那就是,在该系统和接口中各模块的功能之间的模块。有关的任何数据结构或电话更精确的详细信息公约 》,见包括文件和源代码中的评论。我们假定读者已经有点熟悉的 JPEG 标准。自述文件包含有关 JPEG 的学习参考。该文件libjpeg.doc 描述了图书馆从应用的角度程序员使用库 ;最好这一张先读取该文件。此外,文件 coderules.doc 描述了我们使用的编码风格约定。
    2022-08-26 14:25:39下载
    积分:1
  • 基于Python语言++svm的验证码识别
    图像处理的课程设计、基于Python语言+图像处理+svm的验证码识别
    2022-08-20 16:32:54下载
    积分:1
  • kalman+camshift 跟踪程序
    针对camshift跟踪容易丢失目标问题,加入了kalman滤波来预测下一个可能存在的位置,跟踪丢失的几率降低。cam-shift算法的原型是mean-shift算法,后者的核心是沿某种函数的梯度方向迭代,之后根据迭代次数和误差阈值收敛于某一个范围,这个范围就是“要找”的区域。 这个函数是目标区域色彩直方图在当前关键帧的投影得到的图像,可以把这个图像理解成一种空间函数分布——色彩地形图。 cam-shift算法是对mean-shift算法的升级,可以进行窗口可变的迭代……cam-shift是一种基于密度函数迭代的跟踪算法,对运动不敏感,所以不能进行两帧之间目标的关联分析(这一部分要我们自己做)。而这个算法之所以能够用来跟踪,我认识是算法的前提假设,相连帧间目标的运动是微小的,即运动是近似连续的,这样密度函数是连续的,就可以沿梯度方向寻找局部最优值,这是这个局部最值就是目标区域。 cam-shift算法很容易跟丢,这是因为密度函数可能有多个峰,而梯度搜索很容易掉进局部最优值,而不能再到全局最优。多峰值的出现是因为背景的干扰。所以密度函数的选取,即目标特征的表示方式,是一个很重要的部分。
    2022-05-28 22:57:31下载
    积分:1
  • 696518资源总数
  • 106155会员总数
  • 8今日下载