基于Mean Shift的視頻圖像目標(biāo)檢測與跟蹤.pdf

1、隨著計算機和圖像技術(shù)的快速發(fā)展，計算機視覺技術(shù)在各個領(lǐng)域中受到了極大的關(guān)注。視頻目標(biāo)檢測和跟蹤是當(dāng)前計算機視覺領(lǐng)域的重要問題之一，在視頻監(jiān)控，醫(yī)療診斷，圖像壓縮，人機交互等很多領(lǐng)域有廣泛的應(yīng)用。
　　本文在對運動目標(biāo)檢測和跟蹤算法研究的基礎(chǔ)上，針對算法存在的問題，提出一些解決的改進方法。
　　在目標(biāo)檢測方面，從算法的概念、原理、實現(xiàn)流程及關(guān)鍵技術(shù)等角度出發(fā)，對光流法、幀間差分法、背景減除法等目前常見的運動目標(biāo)檢測算法進行詳細(xì)

2、分析。通過實驗進行驗證比較，并分析總結(jié)了各算法的優(yōu)缺點。將高斯混合模型與背景圖像相關(guān)性運算相結(jié)合，實現(xiàn)模型學(xué)習(xí)速率自適應(yīng)更新，提高了背景模型的適應(yīng)性和魯棒性。
　　在目標(biāo)跟蹤方面，重點改進了復(fù)雜場景中運動目標(biāo)跟蹤算法存在的問題，首先對Mean Shift目標(biāo)跟蹤算法進行了深入分析。針對該算法存在當(dāng)運動目標(biāo)尺寸發(fā)生變化時因跟蹤框固定而導(dǎo)致跟蹤誤差甚至跟蹤目標(biāo)的丟失等缺點，利用對運動目標(biāo)的帶寬的調(diào)整，提出了一種基于圖像信息量的自適應(yīng)尺

3、度變化的均值漂移改進算法。該算法在目標(biāo)運動過程中可以實時的跟蹤目標(biāo)的尺寸產(chǎn)生變化而調(diào)整跟蹤框，可以準(zhǔn)確的鎖定運動目標(biāo)，減少跟蹤誤差。其次為了解決復(fù)雜場景中目標(biāo)運動的遮擋問題，研究了基于Kalman濾波器的運動目標(biāo)預(yù)測問題。針對經(jīng)典Mean Shift算法在對目標(biāo)被遮擋時進行跟蹤過程中缺乏模板更新機制，設(shè)計了一種融合Mean Shift和Kalman濾波器的抗遮擋運動目標(biāo)跟蹤算法，在該算法中利用Bhattacharyya系數(shù)值的變化來判斷