基于Mean Shift算法的目標跟蹤在安防系統(tǒng)中的應(yīng)用.pdf

1、視頻監(jiān)控系統(tǒng)是安全防范系統(tǒng)的重要組成部分,智能視頻監(jiān)控系統(tǒng)能最大限度地減少人為干預(yù),提高監(jiān)控效率,減輕人的工作負擔。運動目標的檢測和跟蹤技術(shù)是智能視頻監(jiān)控中的關(guān)鍵技術(shù),因此目標跟蹤技術(shù)在智能視頻監(jiān)控領(lǐng)域中有著廣泛應(yīng)用前景和實用價值。
　　 本文先總結(jié)了運動目標跟蹤的研究背景、研究現(xiàn)狀及在智能視頻監(jiān)控系統(tǒng)中應(yīng)用的意義,概述運動物體的檢測和跟蹤的理論研究。
　　 討論了MeanShift算法及其在目標跟蹤中的應(yīng)用。通過實驗得

2、出以下結(jié)論:(1)采用MeanShift算法跟蹤目標時,當目標和背景的區(qū)分性大,目標特征明顯,相鄰兩幀區(qū)域有一定程度的重疊,并且在目標區(qū)域中不出現(xiàn)相似干擾物時,可以獲得最佳跟蹤效果。(2)MeanShift跟蹤算法解決了序列幀中相鄰兩幀之間運動目標的匹配問題,減少了搜索的盲目性,提高了跟蹤效率。(3)MeanShift算法也存在不足:沒有模板更新能力,跟蹤框大小不能適應(yīng)目標尺寸的變化；當目標快速運動時,相鄰幀區(qū)域分離,幀間搜索范圍變小,

3、導(dǎo)致跟蹤效果變差。當目標被遮擋時,目標模板發(fā)生變化,相鄰兩幀相關(guān)性減小,造成跟蹤中目標特征信息不正確,導(dǎo)致跟蹤效果變差。
　　 研究了Kalman濾波器目標跟蹤算法。Kalman濾波器算法利用目標的運動參數(shù)對未來運動軌跡進行預(yù)測,不斷加以修正,提高估計精度。實驗證明該算法能夠自適應(yīng)的調(diào)整跟蹤窗口的大小,當目標被遮擋時,具有良好的跟蹤性能。
　　 研究了一種改進的MeanShift跟蹤算法,克服了MeanShift算法跟蹤

4、較快運動目標,或遇到遮擋時容易丟失目標的缺陷。該算法將Kalman濾波器的優(yōu)勢引入到MeanShift算法中,用Kalman濾波器對目標位置進行預(yù)測,用MeanShift算法在預(yù)測值鄰域內(nèi)搜索。該改進算法提高了MeanShift跟蹤算法對不同跟蹤場合的適應(yīng)能力,具有較好穩(wěn)定性和魯棒性。
　　 研究了CamShift目標跟蹤算法,改善了MeanShift算法在跟蹤中目標姿態(tài)發(fā)生變化、遮擋或光照變化時跟蹤效果較差的不足。該算法采用H