针对传统的基于检测的在线目标跟踪算法容易产生跟踪漂移的现象,提出了一种新的在线目标跟踪算法。以基于主方向模板特征的双级联随机森林分类器作为检测器,卡尔曼滤波器作为跟踪器。首先利用卡拉曼算法跟踪目标,然后以跟踪的目标位置为中心向外扩展一定的范围作为双级联随机森林分类器的检测区域,利用全局随机森林分类器和局部随机森林分类器进行目标检测,并将检测结果作为Kalman跟踪算法下一帧的观测值。实验结果显示,提出的算法在跟踪大小420×320的图像时,跟踪速度达到24.3 f/s(帧/秒),目标中心位置误差在30 pixel时,算法准确率可达到80%以上。 投稿网址图1TLD算法框架算法对目标进行跟踪在线目标跟踪算法-电动折弯机数控滚圆机滚弧机张家港滚圆机滚弧机折弯机，一方面将具有可靠置信度的跟踪结果作为检测器的正样本输入，防止分类器对错误样本的学习， 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/ 导致外观模型构建时误差的累积;另一方面以目标位置为中心扩展一定范围作为检测器的检测区域，则有效缩小了检测模块的检测范围，提高算法实时性和检测的准确性。同时双级联随机森林分类器以主方向模板作为检测特征，利用全局随机森林分类器和局部随机森林分类器逐级进行分类，充分考虑了目标的局部和整体信息，具有分类速度快、检测精度高的特点。1基于Kalman算法的目标跟踪卡尔曼滤波器［7］在最小均方误差的准则下，利用一组数学方程采用递归的计算方法对目标的下一状态进行有效的估计，并能根据当前的观测值修正预测结果，是一个不断预测－修正的过程，具有无偏、稳定、最优的特点。因此本文选择其作为跟踪算法，这样在目标发生遮挡、形变等情况时，仍能实现对目标的有效跟踪。1．1数学模型在建立Kalman滤波的数学模型时，假设所有的噪声为高斯白噪声，并且目标在相邻两帧间的运动为匀速运动。在建立Kalam滤波器中的状态向量和观测向量时，本文充分利用了每帧图像中目标中心位置的相关参数，包括目标中心在水平方向的坐标值px和竖直方向上的坐标值py，以及目标在水平方向的速度vx和竖直方向上的速度vy，具体见下式xp]yT(1)Kalman滤波的计算过程如下:第一步建立目标的状态方程^x－k=A^xk－1(2)第二步预测系统状态的协方差P－k=APk－1AT+Q(3)第三步计算卡尔曼增益G在线目标跟踪算法-电动折弯机数控滚圆机滚弧机张家港滚圆机滚弧机折弯机 本文由公司网站滚圆机网站 转摘采集转载中国知网整理!   http://www.dapengkuoguanji.com/