【正文】 (DELTA_vy(i))50 [y_hatk] = lpfilter_forCCDC11_LPF(cy_noise(i1),cy_noise(i2), cy_noise(i3), cy_noise(i4), cy_noise(i1), cy_noise(i2), vy_noise(i1), alpha2, beta2)。g.39。],39。.bmp39。 ind_mar=1。 i_init=0。,[0 r22_act]39。,[0,1]39。 A=[[1,0,0,0]39。 基于加強型低通濾波算法的高機動性視頻目標跟蹤 附錄 clear all。 基于加強型低通濾波算法的高機動性視頻目標跟蹤 參考文獻 [1] 陳遠祥 視頻圖像運動目標跟蹤技術的研究 [D]江蘇大學 ,20xx [2] 原琳，韓應征 . 基于視頻圖像的運動目標檢測與跟蹤研究 [D] 太原理工大學 ,20xx [3] 盧莉萍 . 目標跟蹤算法與檢測處理技術研究 [D] 南京理工大學 , 20xx [4] 馬勝前，冉興萍，范滿 紅，張維昭 . 自適應低通濾波器的設計 [D] 西北師范大學 ,20xx,. [5] 徐衛(wèi)昌，黃威，李永峰，劉繼方 . 低通濾波與灰度值調(diào)整在圖像增強中的應用 [D]. [6] 何承偉 . 基于小波變換的目標機動檢測 [D]. 太原理工大學 ,20xx. [7] 張玲 . 視頻目標跟蹤方法研究 [D] 中國科學技術大學 ,20xx. [8] 吳金友，戴曙光 . 卡爾曼濾波預測在客流量統(tǒng)計中的應用 [D] 上海理工大學 ,20xx [9] 陳懇 ，李冬， Chul Gyu Jhun. Video Motion Predictive Tracking: Kalman Filter vs. Lowpass Filter [J]. IEEE proceedings of the 20xx International Conference on Multimedia Technology (ICMT20xx) [10] 陳懇 ，蔣剛毅， Celal Batur. Enhanced Lowpass Filter Based Video Predictive Tracking for Target with High Mobility [J]. IEEE proceedings of the 20xx Chinese Control and Decision Conference (20xx CCDC) 寧波大學 信息 學院 本科畢業(yè)設計（論文） 23致謝 2 年的大學生涯快要結(jié)束了，雖然時間短暫，但我過的十分充實。在整個過程中，兩種濾波大體預測軌跡很接近真實軌跡，只是在六個與 地面相撞處的跟蹤效果有少許偏差，但這些不影響整體的結(jié)果。線性狀態(tài)為小球在空中垂直降落的狀態(tài)。并且可很明顯的觀察出結(jié)果的影響情況 ， 如圖 7所示， Mar 是 所計算出來的 第一次 狀態(tài) 結(jié)果，但是初始狀態(tài)影響除外 。然而，可以發(fā)現(xiàn)一些異常的軌跡點，共有六處，在那個 位置，即目標的速度方向發(fā)生急劇變化的時刻，低通濾波器預測能力不如卡爾曼濾波器。 將預測方程配為 ^^ 11KK kX A X B u?? ? ??? (3) 1 TkkP A P A Q??? (4) 以及給定的校正方程為 1()TTk KKK P H H P H R ??? (5) ^ ^ ^()kKkk kX X K Z H X? ? ? (6) (1 )kk kP K H P?? (7) 將 該預測程序加入到方程式（ 3）中，其 對 目標狀態(tài)在下一時刻（ k+1），在這個特定情況下 追蹤軌跡基于狀態(tài)預測估計，跟蹤軌跡位置預估在當前瞬時 K 上。正確 無誤 的方程 是 可以解答最終最優(yōu)狀態(tài)估計 問題，通過 采取及時測量和預先估計來獲得 正確的狀態(tài)估計。 本文利用卡爾曼濾波對運動小球進行預測跟蹤，并且將預測的結(jié)果與低通濾波進行比較，努力找出它們各自的優(yōu)缺點。圖（ b）則顯示重新配置加權 因子的預測跟蹤位置。 從觀察中來看，校正的加權因子 k? 和 k? 要必須 考慮進去的 ，通過減小加權因子 k? 的線性分量而加大慣 性分量，此方法同樣可運用在 k? 。請注意，在水平運動方向上，因為小球速度是恒定的，低通濾波能十分精確地預測其簡單的運動軌跡，這是可以通過簡單的動力學與濾波器來擬合而出。 在跟蹤的圖像中可以看出球運動的背景為淺灰色，在球撞擊的地面為深灰色，而運動中的球為黑色將圖 像設成這樣是更加方便的對比，為了突出對比度，這三者之間顏色的明暗差別 越 明顯 越好。這時就需要加大 k? 。因此，為了消除速度突變所 造成的 影響，將附加項加入到原來的展開項中，附加 項可 稱為“動量”或“慣性”，在當前時刻時，目標速度急劇發(fā)生變化時，通過這種方法可以記憶目標前一時刻的速度。對其中 包括電子電路 的低通濾波器 （例如，在 使用音響設備中常常加入斯斯聲過濾器，運用計算機時采用數(shù)據(jù)相關的平穩(wěn) 算法等等） 這種低通濾波器 過濾信號的 短期波動， 以維持能 長期 對設備提供一些平滑信號 。當?shù)屯V波器設計完成后，對給定的目標進行預測跟蹤，將最后的結(jié)果與傳統(tǒng)的卡爾曼濾波進行比較，嘗 試找出低通濾波器在目標預測跟蹤的優(yōu)點。在 1984年，由 Little、 Moler、 SteveBangert合作成立了 MathWorks公司，把 MATLAB軟件正式推向市場。 在本文中， LPF是專為預測視頻運動而設計的。 視頻目基于加強型低通濾波算法的高機動性視頻目標跟蹤 標跟蹤已用于計算機視頻系統(tǒng)中，并且大量跟蹤算法應用于視頻跟蹤中 [8]。但是，在技術不斷升級的時代，人們對濾波器的研究還在開發(fā)當中。 High mobility； Predicted trajectory 目 錄 摘 要 .............................................................................................................................................II Enhanced Lowpas s Filter Based Video P redictive Tracking for Target with High Mobility..................................................................................................................................... III Abstract ..................................................................................................................................... III 目 錄 ........................................................................................................................................... III 1 緒論 ........................................................................................................................................ 1 課題的背景 ................................................................................................................ 1 課題研究的意義和目的 .............................................................................................. 1 Matlab 簡介 ............................................................................................................... 2 基于加強型低通濾波算法的高機動性視頻目標跟蹤 IV 論文的研究內(nèi)容 ......................................................................................................... 3 2 高機動性目標識別與跟蹤 ......................................................................................................... 4 低通濾波原理 ............................................................................................................ 4 低通濾波的算法 ......................................................................................................... 4 圖像的處理 ................................................................................................................ 6 圖像分析 ................................................................................................................... 6 低通濾波的預測跟蹤 .................................................................................................. 7 3 卡爾曼濾