基于MeanShift的運動目標(biāo)檢測與跟蹤研究.pdf

1、運動目標(biāo)的檢測與跟蹤是計算機視覺中非常重要而活躍的研究方向，也在軍事、航天、刑偵、體育競技和交通管理等方面得到廣泛應(yīng)用，具有巨大的科研價值和廣闊的商業(yè)前景。
　　本文全面深入地對檢測與跟蹤的內(nèi)容進行研究與分析，重點是對 MeanShift算法展開研究和改進。
　　1．對運動目標(biāo)的檢測中的三種常用算法以及經(jīng)典的MeanShift算法，詳細(xì)地闡述原理和推導(dǎo)計算過程，歸納總結(jié)出MeanShift算法的局限性并提供相應(yīng)的解決方案。<

2、br>　　2．針對傳統(tǒng)算法中的尺度變化問題，采用加入計算反向投影圖，并考慮重置目標(biāo)區(qū)域內(nèi)像素點的權(quán)值分布，轉(zhuǎn)換距離中心點和邊界的像素點重要程度的方法來獲取新的帶有尺度變化信息的像素點，使選定的跟蹤框利用新的像素獲得顏色直方圖，然后用更新迭代計算跟蹤框質(zhì)心位置的方法，提出一種基于自適應(yīng)窗口變化的 MeanShift算法。最終在實驗中驗證能達(dá)到自適應(yīng)尺度變化的跟蹤效果。
　　3．針對遮擋情況進行研究與改進，采用預(yù)測機制和進行運動目標(biāo)分

3、塊，通過在目標(biāo)區(qū)域里增加外接矩形獲得分塊子區(qū)域；求和初始目標(biāo)中心位置與矢量距離得到子區(qū)域的新位置；利用相似度比得到權(quán)重，最終綜合權(quán)重與子區(qū)域新的中心位置計算得到新位置；判斷Bhattacharyya系數(shù)與遮擋閾值的方法確定是否受遮擋影響，提出一種基于MeanShift的抗遮擋運動目標(biāo)跟蹤算法，實驗表明新算法處理遮擋情況的效果尚佳。
　　本文在傳統(tǒng)MeanShift算法基礎(chǔ)上，對尺度變化和遮擋影響的問題進行改進，通過實驗證實了新算法