基于簡(jiǎn)化Sift與Mean-shift跟蹤算法研究.pdf

1、自從20世紀(jì)以來(lái)，電子計(jì)算機(jī)在生活中所扮演的角色顯得愈加重要，智能化在不斷改變?nèi)祟?lèi)的日常生活。在智能化領(lǐng)域中，比如交通部門(mén)的車(chē)輛監(jiān)控、超市的監(jiān)控、軍事跟蹤等等都需要智能化的視頻監(jiān)控。由于它的利用價(jià)值高，視頻跟蹤成為了一個(gè)國(guó)內(nèi)外研究的熱門(mén)課題。
　　目前視頻跟蹤是國(guó)內(nèi)外研究的一個(gè)熱門(mén)課題，該課題涉及多門(mén)學(xué)科，例如數(shù)學(xué)概率論，數(shù)字圖像處理，視頻編解碼等。它既能推動(dòng)監(jiān)控領(lǐng)域理論的進(jìn)一步發(fā)展，又在日常生活與安全監(jiān)控領(lǐng)域的有廣闊應(yīng)用，可謂同

2、時(shí)具備學(xué)術(shù)和實(shí)用價(jià)值。視頻跟蹤課題發(fā)展至今，它的應(yīng)用主要包括攝像頭的固定以及非固定的兩種情況。所以目前視頻跟蹤的算法也主要是基于兩個(gè)方面:1.靜態(tài)背景下的視頻跟蹤。2.動(dòng)態(tài)背景下的目標(biāo)跟蹤，它與前者主要不同的地方就在于它的背景是在變化的，并不是跟靜態(tài)背景一樣一成不變的。當(dāng)在靜態(tài)背景情況下進(jìn)行目標(biāo)跟蹤時(shí)，只要實(shí)時(shí)的更新不同時(shí)刻的靜態(tài)背景，然后再用當(dāng)前幀減去背景圖像即可提出被跟蹤的目標(biāo)。但是對(duì)于第二種情況，即動(dòng)態(tài)背景下的目標(biāo)跟蹤，由于攝像頭

3、的轉(zhuǎn)動(dòng)，使得背景在不同時(shí)刻都在改變，所以背景幀差法用在這種情況時(shí)必定會(huì)跟蹤失敗。因此國(guó)內(nèi)外學(xué)者把這種情況當(dāng)成視頻跟蹤的主要研究方向。在動(dòng)態(tài)背景跟蹤方面出現(xiàn)了許多優(yōu)秀的算法，比如粒子濾波、基于塊匹配的方法等。但是由于它們的實(shí)時(shí)性差，所以不適用于需求實(shí)時(shí)性的場(chǎng)合中。在2003年，Comaniciu等學(xué)者提出的mean-shift算法因其復(fù)雜度低、魯棒性強(qiáng)，它的實(shí)時(shí)優(yōu)于其他算法，并且該算法適用于動(dòng)態(tài)背景從而得以廣泛應(yīng)用。所以本文著重對(duì)此算法進(jìn)

4、行研究，并且根據(jù)課題要求側(cè)重研究mean-shift跟蹤算法以及改進(jìn)該算法的兩點(diǎn)不足:第一點(diǎn)，該算法不適用于跟蹤快速的運(yùn)動(dòng)目標(biāo)。第二點(diǎn)，該算法不能實(shí)時(shí)根據(jù)運(yùn)動(dòng)目標(biāo)的尺度改變自己的帶寬。
　　對(duì)于上述缺點(diǎn)中的第一點(diǎn)，在本文中，提出利用簡(jiǎn)化的sift和仿射變換，求出最佳仿射矩陣參數(shù)。以此矩陣參數(shù)來(lái)求出上一幀運(yùn)動(dòng)目標(biāo)的中心在下一幀的仿射位置，以此點(diǎn)來(lái)進(jìn)行迭代，可以有效使得初始迭代點(diǎn)所在的帶寬區(qū)域包含更多的運(yùn)動(dòng)目標(biāo)。
　　對(duì)于第二點(diǎn)