基于Mean Shift算法的視頻目標跟蹤研究.pdf

1、目標跟蹤是指在一段視頻序列中尋找與指定目標最相似的內容，是計算機視覺的一個重要研究方向。它在智能監(jiān)控、人機交互、基于目標的圖像壓縮和國防工業(yè)中有著廣泛的應用。在視覺跟蹤領域中，mean shift算法由于其原理簡單、容易實現(xiàn)、實時性較好和良好的跟蹤性能，近年來受到了廣泛關注。
　　 Mean shift算法是一種基于統(tǒng)計概率密度統(tǒng)計的梯度上升算法，它出色地解決了相鄰兩幀中運動目標的匹配問題，具有快速和有效的特點。在跟蹤的過程中，

2、被匹配的目標通常由用戶在第一幀通過手工的方式選定，并對目標的顏色進行核函數(shù)直方圖建模。在接下來的視頻序列中，利用Bhattacharyya系數(shù)迭代地計算候選目標與被匹配目標的相似性，使得具有最大相似性的候選目標位置成為目標的最終位置。
　　 但是，由于mean shift算法是對目標的顏色進行建模，故當目標被部分或完全遮擋，或者目標在連續(xù)兩幀圖像中沒有重疊時，該算法就會收斂到局部最優(yōu)，造成跟蹤性能下降。由于mean shift算

3、法存在這些方面的不足，mean shift算法通常不作為單獨的跟蹤算法，而是同別的算法相結合。
　　 本文將mean shift引入到粒子濾波框架下，結合粒子濾波在處理目標跟蹤時所具有的非線性、非高斯和多峰特征。提出mean shift算法和粒子濾波的建議分布分別采樣一部分粒子共同決定目標的狀態(tài)，如果mean shift采樣的粒子更接近目標的真實狀態(tài)，則將mean shift采樣的粒子替換由建議分布采樣的同等數(shù)目的粒子；反之，則

4、丟棄該部分粒子。這即克服了mean shift算法容易陷入局部最優(yōu)的缺陷，也將當前幀的觀測值信息融入到了粒子濾波，實現(xiàn)了兩者的優(yōu)勢互補。此外，針對跟蹤過程中目標隨著時間的推移會出現(xiàn)尺寸的放大或縮小的問題，引入了自適應窗口更新策略，即搜索窗口和跟蹤窗口都會隨著目標的增大或減小進行適當?shù)恼{整，這保證了特征的有效性，從而提高目標跟蹤的魯棒性。實驗選用不同的視頻序列對改進的算法作了理論分析和實驗仿真，實驗結果表明，改進的算法不僅能更持久地跟蹤目