张蕾
- 作品数：3 被引量：10H指数：1
- 供职机构：南京工业大学电子与信息工程学院更多>>
- 发文基金：国家重点基础研究发展计划国家自然科学基金国家重点实验室开放基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Mean-Shift的卡尔曼粒子滤波车辆跟踪算法研究被引量：9
- 2014年
- 在视频车辆跟踪算法中针对传统粒子滤波的非线性、非高斯性可能导致跟踪过程的不准确性,提出一种基于Mean-Shift的卡尔曼(Kalman)粒子滤波算法。该算法利用建立基于目标颜色直方图特征模型对视频车辆目标进行建模,并将其与Kalman滤波相结合进行更新;通过采用Mean Shift算法将Kalman滤波器引用到粒子滤波器当中,通过预测迭代,从而达到对车辆的运行轨迹的修正。将先验信息预测与粒子滤波相结合在保持跟踪系统整体上的非线性、非高斯性,兼顾了卡尔曼滤波局部的线性高斯特性。实验结果表明,该方法与传统粒子滤波方法相比,具有较好的实时性和较高的准确率,能够准确稳定地对目标车辆进行跟踪。
- 权义萍金鑫张蕾杨道业
- 关键词：智能交通系统车辆跟踪均值漂移粒子滤波
- 基于方向矢量的多特征融合粒子滤波人体跟踪算法研究被引量：1
- 2015年
- 针对传统的多特征融合粒子滤波跟踪算法计算量大、不利于实时性、人群拥挤遮挡时容易出现跟踪匹配错误等情况,提出了基于方向矢量的多特征融合粒子滤波跟踪算法。该算法首先将人体颜色特征与轮廓特征进行乘性融合和加性融合后相加并加上两者的不确定性的乘积,以便能够根据两种特征的实际贡献率来调节各自在跟踪过程中所占的权重比例,从而提高了跟踪的准确性;其次结合方向矢量,根据先前的跟踪信息来预测运动物体可能运动的范围从而减少了粒子迭代计算量;最后通过动态调节窗口将合并的人体进行分离处理。实验证明,本方法能够在复杂情况下对人体进行实时准确的跟踪。
- 张蕾宫宁生李金
- 关键词：粒子滤波多特征融合不确定性
- 基于改进的K-means的车牌字符分割
- 2015年
- 提出了一种基于改进的K-means的车牌字符分割方法。该方法首先利用均值跳变法对车牌区域进行精确定位,再利用改进的K-means算法对车牌字符进行聚类,最后根据K-means算法得到的聚类中心对车牌字符进行分割。实验结果表明,该方法能够准确地分割出车牌字符,且具有较强的抗干扰性。
- 李金宫宁生张蕾
- 关键词：车牌字符分割
