視頻圖像中運動目標跟蹤有關算法的研究.pdf

1、視頻目標跟蹤融合了圖像處理、模式識別、人工智能、自動控制、計算機應用、生理學、物理學、數學等相關領域的先進技術和研究成果，具有可視性，抗干擾，成本低等優(yōu)點，已被廣泛的應用到軍事監(jiān)控、交通管制、機器智能、醫(yī)療診斷等方面。隨著各種復雜環(huán)境應用領域的不斷需求，除了引入各種新的技術外，如何提高現有跟蹤算法的精度以及魯棒性也是當前目標跟蹤領域研究的重點。本文詳細的介紹MeanShift算法在目標跟蹤領域中的應用方法，針對信息度較少的直方圖特征引入

2、了空間位置信息加權的目標特征表示方法。通過對MeanShift算法跟蹤效果的分析，得出MeanShift算法固有的缺陷。主要對其固有的缺陷提出了兩個方面的改進。 ㈠針對MeanShift算法不能處理目標完全遮擋的情況，提出了Kalman濾波和MeanShift算法相結合的方法，利用Kalman濾波預測目標在當前幀中可能出現的位置，然后利用MeanShift算法在其鄰域搜索。本文將目標被遮擋情況分為無遮擋、部分遮擋和完全遮擋三種狀

3、態(tài)，采用Kalman的殘差來判定目標的被遮擋的狀態(tài)。目標進入完全遮擋狀態(tài)，利用線性運動特征預測其位置。針對動態(tài)更新模板，提出了引入實例推理機制的方案，有效的解決遮擋中模板動態(tài)適應的問題。 ㈡引入了動態(tài)自適應核窗口的方法--CamShift算法，采用HSV顏色模型，有效的解決了MeanShift算法中固定核窗口的問題，同時也有效的解決了MeanShift算法對光照敏感的問題；采用橢圓搜索窗口，提高了跟蹤的目標旋轉形變問題的精度。最