基于改進(jìn)Mean Shift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、在當(dāng)今的信息社會(huì)，計(jì)算機(jī)技術(shù)的飛速發(fā)展給我們的生活和工作帶來(lái)了很大的方便。視頻目標(biāo)跟蹤是基于計(jì)算機(jī)技術(shù)和信息技術(shù)的一門夸學(xué)科領(lǐng)域，其目的是在一段視頻圖像幀序列中尋找到與指定目標(biāo)最相似的部分。在視頻監(jiān)控、人機(jī)界面、交通監(jiān)視、軍事等領(lǐng)域都有廣泛應(yīng)用。
　　在學(xué)習(xí)和探索視頻圖像序列中運(yùn)動(dòng)目標(biāo)跟蹤這一問(wèn)題的過(guò)程中，基于前人豐富的研究成果，在課題研究方面取得了一定的進(jìn)展。由于跟蹤環(huán)境和目標(biāo)的復(fù)雜性，很難找到一個(gè)在所有情況下都可以實(shí)現(xiàn)目標(biāo)跟的

2、算法，因此各種算法層出不窮。本文著重研究了Mean Shift算法，還簡(jiǎn)單分析了Kalman濾波算法、粒子濾波算法，主要是這兩種濾波算法的基本思想及其它們的優(yōu)缺點(diǎn)。最后描述并驗(yàn)證了前人提出的一種運(yùn)動(dòng)目標(biāo)跟蹤算法，即一種基于角點(diǎn)的Mean Shift運(yùn)動(dòng)目標(biāo)跟蹤算法，該算法中采用的是Harris角點(diǎn)檢測(cè)，我們?cè)谶@簡(jiǎn)稱該算法為Harris-Mean Shift算法。針對(duì)Harris-Mean Shift算法某些方面的不足，提出了改進(jìn)的方法。

3、
　　均值漂移跟蹤算法（Mean Shift跟蹤算法）是一種基于特征概率密度統(tǒng)計(jì)的建模方法。在跟蹤的過(guò)程中，通常通過(guò)在視頻序列的第一幀中手動(dòng)選定目標(biāo)區(qū)域，并建立相對(duì)應(yīng)的目標(biāo)顏色直方圖。根據(jù)巴氏相似性，Mean Shift算法在第一幀之后的圖像序列幀中迭代地搜索與目標(biāo)模型匹配的最佳候選區(qū)域。這種方法使得Mean Shift算法在目標(biāo)跟蹤中具有良好的性能，如:實(shí)時(shí)性好，能夠較好地處理目標(biāo)部分遮擋和目標(biāo)形變。但是當(dāng)目標(biāo)和背景顏色過(guò)于相近

4、時(shí)，就會(huì)使得目標(biāo)和背景的可分性差，Mean Shift算法就難以區(qū)別目標(biāo)和背景，導(dǎo)致該算法跟蹤性能下降。Harris-Mean Shift算法就是為了解決上述提到的Mean Shift算法在背景與目標(biāo)顏色較為相似時(shí)目標(biāo)跟蹤失敗的問(wèn)題，仿真結(jié)果表明，該跟蹤算法能夠很好地解決背景與目標(biāo)顏色較為相似時(shí)目標(biāo)跟蹤失敗的問(wèn)題，但對(duì)于目標(biāo)存在大比例遮擋時(shí)跟蹤效果很不理想的問(wèn)題還有待進(jìn)行改進(jìn)。
　　基于上述情況，本文提出了融合Harris-Mea

5、n Shift算法和最小二乘算法的目標(biāo)跟蹤算法。描述了Harris-Mean Shift算法與最小二乘算法相結(jié)合的具體方法。首先采用最小二乘算法來(lái)預(yù)測(cè)目標(biāo)位置，然后以預(yù)測(cè)位置為起始點(diǎn)，采用Harris-Mean Shift算法進(jìn)行迭代，最終得到目標(biāo)的真實(shí)位置。該算法通過(guò)減少每幀搜索時(shí)起始搜索點(diǎn)離收斂點(diǎn)的距離來(lái)實(shí)現(xiàn)加速。同時(shí)展示了該算法在目標(biāo)遇到大比例遮擋情況下的跟蹤效果，并對(duì)結(jié)果進(jìn)行了分析。實(shí)驗(yàn)過(guò)程中將Harris-Mean Shift