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

1、運(yùn)動(dòng)目標(biāo)跟蹤屬于計(jì)算機(jī)視覺(jué)中的低層研究范疇，是一種能從圖像信號(hào)中實(shí)時(shí)提取目標(biāo)位置、自動(dòng)跟蹤運(yùn)動(dòng)目標(biāo)的技術(shù)，它為事件監(jiān)測(cè)、行為理解和描述等高級(jí)處理提供有價(jià)值的信息，在智能監(jiān)控、人機(jī)交互、圖像壓縮、三維重構(gòu)等方面有著非常廣泛的應(yīng)用。目標(biāo)跟蹤要求滿足準(zhǔn)確性、魯棒性和實(shí)時(shí)性，Mean Shift算法是一種利用統(tǒng)計(jì)學(xué)中非參數(shù)密度估計(jì)技術(shù)，快速有效地沿著密度梯度方向爬升到密度的極大值點(diǎn)的方法，將其應(yīng)用于目標(biāo)跟蹤算法具有簡(jiǎn)潔實(shí)用、能夠處理邊緣噪聲、干

2、擾物體及部分遮擋等復(fù)雜情形的優(yōu)點(diǎn)，算法高效且易于模塊化實(shí)現(xiàn)。
　　 本文介紹了Mean Shift算法，對(duì)算法進(jìn)行了詳細(xì)地推導(dǎo)和算法收斂性證明，介紹了傳統(tǒng)基于Mean Shift的目標(biāo)跟蹤算法，指出其優(yōu)缺點(diǎn)，并有針對(duì)性地對(duì)其缺陷做了以下改進(jìn)：
　　 一、將Mean Shift和Kalman濾波相結(jié)合，Kalman濾波預(yù)測(cè)目標(biāo)在本幀的可能位置，Mean Shift算法在該位置領(lǐng)域內(nèi)搜索，有效地解決了傳統(tǒng)Mean Shift

3、算法不能跟蹤快速移動(dòng)目標(biāo)的缺陷，而且對(duì)遮擋問(wèn)題也有很好的處理。
　　 二、將Mean Shift和目標(biāo)檢測(cè)算法相結(jié)合，目標(biāo)檢測(cè)算法可在復(fù)雜的背景中提取運(yùn)動(dòng)目標(biāo)所在區(qū)域，為Mean Shift算法提供目標(biāo)大小信息，從而實(shí)現(xiàn)Mean Shift的模板與核帶寬的自適應(yīng)更新。
　　 三、對(duì)目標(biāo)檢測(cè)及陰影檢測(cè)算法進(jìn)行了深入研究，不僅對(duì)非參數(shù)背景進(jìn)行改進(jìn)，使其實(shí)現(xiàn)時(shí)大大節(jié)約動(dòng)態(tài)內(nèi)存，還提出一種自適應(yīng)的陰影抑制算法，使陰影檢測(cè)適用于各