Mean Shift算法研究及其在視頻目標(biāo)跟蹤中的應(yīng)用.pdf

1、當(dāng)今社會(huì)是信息社會(huì)，計(jì)算機(jī)技術(shù)的快速發(fā)展為我們的工作和生活帶來了很大的便利。視頻目標(biāo)跟蹤是基于計(jì)算機(jī)技術(shù)和信息技術(shù)的一門跨學(xué)科的領(lǐng)域，目前被廣泛應(yīng)用于視頻監(jiān)控、機(jī)器人視覺、智能交通、國(guó)防建設(shè)和航天航空及國(guó)民經(jīng)濟(jì)建設(shè)各個(gè)領(lǐng)域。視頻目標(biāo)跟蹤的核心在于合理地分離出目標(biāo)，正確地描述目標(biāo)特征和快速地識(shí)別目標(biāo)，同時(shí)考慮算法的實(shí)時(shí)性、精確性和魯棒性。目標(biāo)跟蹤的本質(zhì)是自動(dòng)控制系統(tǒng)的狀態(tài)估計(jì)問題，即濾去隨機(jī)噪聲，觀測(cè)和估計(jì)目標(biāo)的連續(xù)狀態(tài)，最后求解目標(biāo)的運(yùn)

2、動(dòng)要素。
　　 在課題研究中，通過對(duì)視頻場(chǎng)景監(jiān)控中目標(biāo)跟蹤問題的學(xué)習(xí)和探索，課題的研究取得了一定的進(jìn)展。由于視頻目標(biāo)跟蹤環(huán)境中背景和目標(biāo)的復(fù)雜性，很難找到一個(gè)能處理所有情況的算法，因此各種算法層出不窮。本文詳細(xì)介紹了目標(biāo)跟蹤領(lǐng)域中幾種較為經(jīng)典的算法:MeanShift算法、粒子濾波算法和最小二乘算法。分析了各種算法的不同優(yōu)缺點(diǎn)，并且對(duì)于算法的不足，提出了一些改進(jìn)的方法。
　　 由于MeanShift算法在目標(biāo)初始位置進(jìn)行

3、迭代收斂，當(dāng)目標(biāo)運(yùn)動(dòng)較快或者目標(biāo)被遮擋時(shí)，算法跟蹤效果將會(huì)受到影響。采用最小二乘預(yù)測(cè)算法可解決這一問題，首先采用最小二乘法對(duì)目標(biāo)的位置進(jìn)行預(yù)測(cè)，MeanShift算法在預(yù)測(cè)位置進(jìn)行迭代跟蹤，利用MeanShift算法獲取目標(biāo)最終跟蹤位置，通過減少每幀搜索時(shí)矢量離收斂點(diǎn)的距離來實(shí)現(xiàn)加速，該算法稱為最小二乘MeanShift算法。
　　 仿真結(jié)果表明，在目標(biāo)運(yùn)動(dòng)速度較快或發(fā)生輕微遮擋的情況下，改進(jìn)算法表現(xiàn)出更好的跟蹤效果。同時(shí)，對(duì)于

4、兩種算法的MeanShift迭代次數(shù)和每幀的處理時(shí)間進(jìn)行了計(jì)算和對(duì)比，對(duì)比發(fā)現(xiàn)，改進(jìn)算法有更好的實(shí)時(shí)性。
　　 最小二乘MeanShift算法計(jì)算量小，在視頻圖像背景相對(duì)簡(jiǎn)單的情況下，跟蹤過程可以保證較好的實(shí)時(shí)性;但是當(dāng)目標(biāo)發(fā)生較大范圍的遮擋時(shí)，該算法的跟蹤效果欠佳，甚至發(fā)生跟蹤丟失的情況。相比之下，粒子濾波算法在復(fù)雜背景、遮擋等情況下能進(jìn)行比較準(zhǔn)確的跟蹤;然而，粒子濾波的計(jì)算量比較大，其較好的魯棒性也是以犧牲實(shí)時(shí)性為代價(jià)。