一种基于改进卡尔曼滤波的事件相机目标跟踪方法

本发明公开了一种基于改进卡尔曼滤波的事件相机目标跟踪方法，解决了目标跟踪过程中因频繁遮挡和尺度变化导致的跟踪失败问题，属于事件相机目标跟踪领域；包括：将事件流聚合为二维事件帧并输入到支持向量机模型进行遮挡判断；若检测到遮挡，则预测遮挡期间的目标轨迹，在遮挡结束后恢复目标位置；创建与目标尺度对应的卡尔曼滤波器并初始化，得到下一时刻的状态预测和当前状态的协方差预测；通过卡尔曼增益对预测后的每个卡尔曼滤波器进行更新，得到下一时刻的状态更新和当前状态的协方差更新，从而得到改进卡尔曼滤波器；根据目标的尺度变化动态选择对应尺度的改进卡尔曼滤波器进行事件相机目标跟踪。本发明在遮挡和不同尺度下都能稳定跟踪。