基于均值偏移算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究.pdf

1、視頻目標(biāo)跟蹤問題引起廣泛關(guān)注是由于它能夠應(yīng)用于民用和軍事的許多領(lǐng)域，如視頻監(jiān)控、機(jī)器人導(dǎo)航、人機(jī)接口、圖像壓縮等，因此對目標(biāo)跟蹤的研究具有非常重要的意義。論文圍繞目標(biāo)跟蹤技術(shù)這個(gè)課題，針對攝像機(jī)運(yùn)動(dòng)的運(yùn)動(dòng)目標(biāo)跟蹤的難點(diǎn)問題，著重研究目標(biāo)跟蹤的初始化問題和如何提高目標(biāo)跟蹤性能的難題，提出新的理論和方法，并將這些方法應(yīng)用于機(jī)器人的視覺導(dǎo)航領(lǐng)域，為目標(biāo)跟蹤及其應(yīng)用提供理論和技術(shù)支持。論文主要做了以下四個(gè)方面的工作。 （1）針對具有對稱

2、高斯核的均值偏移（mean shift）算法，對mean shift算法的表達(dá)形式，研究現(xiàn)狀進(jìn)行了研究，從理論上證明了mean shift算法的收斂性，分析了mean shift算法的迭代步長和收斂速度，而且證明了mean shift算法具有線性收斂速度，并提出了一種mean shift算法的加速方法。 （2）在對概率框架下目標(biāo)檢測方法進(jìn)行研究的基礎(chǔ)上，提出一種最大后驗(yàn)概率的運(yùn)動(dòng)目標(biāo)檢測方法。根據(jù)條件隨機(jī)場模型和馬爾可夫隨機(jī)場模

3、型建立了一個(gè)最大后驗(yàn)概率框架。考慮到傳統(tǒng)方法融入的特征信息不夠，檢測目標(biāo)的準(zhǔn)確度不高的缺陷，結(jié)合Gibbs勢能模型和鄰域信息，在概率模型中充分融入了各種時(shí)域、空域和邊緣特征，以便消除更多噪聲及提高檢測運(yùn)動(dòng)目標(biāo)的準(zhǔn)確度。 （3）通過對基于mean shift的目標(biāo)跟蹤方法的研究及影響跟蹤性能因素的分析，考慮到目標(biāo)模型中背景像素的影響，提出一種構(gòu)造模糊核直方圖的方法，并針對模糊核直方圖，分別給出構(gòu)造模糊隸屬度函數(shù)的兩種策略，即比率策

4、略和差分策略，分別對這兩種策略進(jìn)行了比較和分析。其次考慮到巴氏系數(shù)Taylor公式近似展開的誤差，通過對這種誤差的分析，將巴氏系數(shù)的優(yōu)化問題轉(zhuǎn)化為求解約束優(yōu)化問題，從而提出一種適合于快速運(yùn)動(dòng)目標(biāo)的跟蹤方法，而且證明了該方法的收斂性，分析了跟蹤性能和相關(guān)參數(shù)的影響。 （4）考慮到基于粒子濾波的目標(biāo)跟蹤方法的缺點(diǎn)，從提高粒子濾波的魯棒性角度出發(fā)，通過建立運(yùn)動(dòng)信息的表達(dá)模型和自適應(yīng)選擇模型，提出一種自適應(yīng)模型選擇的粒子濾波方法。然后建