基于均值偏移的視頻目標(biāo)跟蹤、檢測(cè)算法研究及系統(tǒng)實(shí)現(xiàn).pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域的一個(gè)重要組成部分,它融合了模式識(shí)別、人工智能以及自動(dòng)化控制等諸多相關(guān)領(lǐng)域的知識(shí)。視頻目標(biāo)跟蹤是從視頻中提取目標(biāo)位置信息、跟蹤目標(biāo)的技術(shù),可用于智能視頻監(jiān)控、基于視頻的人機(jī)交互、自動(dòng)駕駛、農(nóng)業(yè)自動(dòng)化和醫(yī)學(xué)圖像等領(lǐng)域。近年來均值偏移算法在視頻目標(biāo)跟蹤中的應(yīng)用引起了人們極大的關(guān)注,它具有實(shí)時(shí)性好、對(duì)目標(biāo)變形不十分敏感、魯棒性好等特點(diǎn)。但它也存在一些不足之處,如窗寬不能自適應(yīng)、不能有效跟蹤快速和大面積遮擋的目標(biāo)

2、、需要人工初始化跟蹤等。均值偏移算法主要有兩個(gè)版本:標(biāo)準(zhǔn)Mean Shift算法和CarnShift算法。本文根據(jù)均值偏移算法在視頻目標(biāo)跟蹤中的應(yīng)用為主線,針對(duì)性地對(duì)這些缺陷做了較好的改進(jìn)。論文主要內(nèi)容和創(chuàng)新如下:
　　 (1)詳細(xì)研究了Mean Shift算法在視頻目標(biāo)跟蹤領(lǐng)域中的應(yīng)用,利用仿射性變換求參數(shù),較好地解決了算法中窗寬自適應(yīng)的問題。
　　 (2)提出了一種基于張量梯度直方圖的Mean Shift算法。傳統(tǒng)M

3、ean Shift算法是在顏色特征空間上建模,當(dāng)目標(biāo)和背景相似時(shí)容易跟蹤失敗,但此時(shí)目標(biāo)的空間紋理信息卻可能有很好地區(qū)分目標(biāo)和背景的能力,本文提出了張量梯度直方圖方法不但利用目標(biāo)的紋理信息而且將目標(biāo)的紋理從三維空間直接映射到一維空間,減少計(jì)算量,提高了目標(biāo)和背景顏色相似情況下的跟蹤效果。
　　 (3)為了解決快速目標(biāo)跟蹤和目標(biāo)被遮擋問題,本文利用Kalman濾波器對(duì)目標(biāo)在下一幀中的狀態(tài)進(jìn)行預(yù)測(cè),并將此預(yù)測(cè)值作為均值偏移算法搜索目

4、標(biāo)的起始點(diǎn)。本文提出利用相似性系數(shù)或Kalman殘差與閾值進(jìn)行對(duì)比,當(dāng)相似性系數(shù)或Kalman殘差小于某個(gè)閾值時(shí)就認(rèn)為目標(biāo)被遮擋,此時(shí)只利用Kalman預(yù)測(cè)算法進(jìn)行跟蹤直到目標(biāo)重新出現(xiàn)。
　　 (4)利用AdaBoost目標(biāo)檢測(cè)方法將目標(biāo)事先離線學(xué)習(xí)并取得目標(biāo)的特征,在視頻序列中根據(jù)目標(biāo)特征自動(dòng)檢測(cè)出目標(biāo)再跟蹤,解決了目標(biāo)自動(dòng)初始化問題。
　　 (5)在OpenCV框架上,設(shè)計(jì)并完成了一個(gè)實(shí)驗(yàn)性的視頻目標(biāo)跟蹤軟件系統(tǒng),采