الگوریتم ترکیبی فیلتر کالمن و حداقل مربعات تطبیقی جهت ردیابی شیء تحت انسداد در ویدیو

انسداد شیء در نظارت تصویری به علت تاثیر زاویه و محیط است که تاثیر زیادی بر ردیابی هدف دارد و باعث می شود سیر ردیابی شیء ویدئویی با بسیاری از محدودیت ها مواجه شود. چالش در ردیابی شیء ویدئویی این است که چگونه یک هدف مبهم به درستی پیگیری می شود. در این مقاله از روش تفاوت فریم برای شناسایی هدف استفاده می شود و با استفاده از فیلتر کالمن، مسیر هدف صاف می شود. هنگامی که هدف بسته (پنهان) می شود، می توان بخش اتصالی مناسب را پس از صاف کردن مسیرها انتخاب کرده و از روش حداقل مربع خطا برای انطباق مسیر حرکت مقصد استفاده شود، بنابراین می توان محل شیء را پیش بینی نمود. با مقایسه نتایج تجربی با حرکت واقعی هدف، می توان نتیجه گرفت که الگوریتم پیشنهادی می تواند هدف مبهم را در زمان واقعی پیگیری کند و الگوریتم ارزش عملی زیادی دارد.

a hybrid algorithm of kalman filter and adaptive least squares for object tracking under occlusion in video

occlusion in video surveillance،caused by environmental factors and camera angles،significantly impacts target tracking and introduces substantial limitations to the video object tracking process. the central challenge in video object tracking lies in accurately following an occluded target. this paper employs a frame difference method for target detection and utilizes a kalman filter to smooth the target's trajectory. when the target becomes occluded،a suitable trajectory segment can be selected from the smoothed trajectory،and a least squares error method is applied to fit the target's motion path،thereby enabling the prediction of the object's position. a comparison of experimental results with the target's actual movement demonstrates that the proposed algorithm can track an occluded target in real-time،indicating its high practical value.