基于Mean-Shift算法的目標(biāo)跟蹤研究.pdf

1、目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的關(guān)鍵技術(shù)之一，也是該領(lǐng)域的研究熱點(diǎn)。同時(shí)，目標(biāo)跟蹤又是一個(gè)復(fù)雜的問(wèn)題，它涉及到計(jì)算機(jī)視覺(jué)研究的各個(gè)方面。近些年來(lái)，目標(biāo)跟蹤在視頻監(jiān)控、人機(jī)界面等眾多領(lǐng)域都有著廣泛的應(yīng)用。在眾多的跟蹤算法中，Mean-Shift算法以其理論嚴(yán)謹(jǐn)、實(shí)現(xiàn)簡(jiǎn)單和跟蹤性能良好等優(yōu)點(diǎn)受到了廣泛的關(guān)注。
　　 作為一種基于特征概率密度統(tǒng)計(jì)的建模方法，Mean-Shift跟蹤算法簡(jiǎn)單、實(shí)時(shí)性好。但是也存在很多缺陷。首先，發(fā)生遮擋時(shí)

2、完全無(wú)法跟蹤目標(biāo)，目標(biāo)的匹配模板沒(méi)有更新，其次，當(dāng)目標(biāo)尺度變化時(shí)，固定不變的跟蹤窗口無(wú)法準(zhǔn)確地進(jìn)行跟蹤，最后，目標(biāo)區(qū)域模板表示模型單一，不利于區(qū)分背景與目標(biāo)。
　　 本文的主要研究?jī)?nèi)容就是基于Mean-Shift的目標(biāo)跟蹤算法。首先，將Kalman濾波器與Mean-Shift算法結(jié)合，用Kalman算法來(lái)預(yù)測(cè)目標(biāo)的位置，Mean-Shift算法在此基礎(chǔ)上均值漂移，最后更新Kalman參數(shù)作為目標(biāo)位置；其次，算法在前后兩幀圖像目標(biāo)

3、區(qū)域內(nèi)提取角點(diǎn)，通過(guò)匹配角點(diǎn)對(duì)的坐標(biāo)關(guān)系建立仿射變換，通過(guò)最小二乘法求得仿射變換系數(shù)，通過(guò)Kalman濾波后，將變換系數(shù)作為Mean-Shift窗寬的變化；最后，分別計(jì)算目標(biāo)區(qū)域H分量顏色概率直方圖特征、目標(biāo)區(qū)域邊緣方向直方圖、目標(biāo)區(qū)域內(nèi)角點(diǎn)分布直方圖，定義區(qū)域特征對(duì)目標(biāo)和背景的區(qū)分度函數(shù)，賦予區(qū)分度值大的特征以更大權(quán)重，自適應(yīng)的融合三個(gè)直方圖為一個(gè)直方圖，使得該直方圖作為特征可以最大限度的區(qū)分目標(biāo)與背景。通過(guò)實(shí)驗(yàn)證明算法改進(jìn)完全有效。