基于Mean-Shift和粒子濾波的目標(biāo)跟蹤.pdf

1、目標(biāo)跟蹤技術(shù)作為當(dāng)今計(jì)算機(jī)視覺領(lǐng)域的主要研究內(nèi)容之一，已經(jīng)廣泛應(yīng)用于社會(huì)的各個(gè)領(lǐng)域。但一套非常有效的實(shí)時(shí)目標(biāo)跟蹤系統(tǒng)仍然是眾多專家學(xué)者們追求的目標(biāo)，不過由于實(shí)際應(yīng)用中的復(fù)雜性使得目標(biāo)跟蹤的準(zhǔn)確性和實(shí)時(shí)性仍然是一項(xiàng)極大的挑戰(zhàn)。
　　本文主要對(duì)Mean-Shift跟蹤算法和粒子濾波跟蹤算法進(jìn)行分析研究，其中Mean-Shift算法是一種基于核密度梯度的無參密度估計(jì)方法，其運(yùn)算速度較快，但容易收斂于局部極值點(diǎn)，故在背景干擾情況下不能有效

2、地進(jìn)行跟蹤，且容易因目標(biāo)和背景顏色相近而導(dǎo)致跟蹤丟失，為了解決這些問題，本文使用目標(biāo)分塊并加權(quán)的方法來對(duì)其進(jìn)行改進(jìn)，使其有很好的跟蹤效果。粒子濾波算法是解決非線性、非高斯模型最成功的方法之一，但其因粒子退化現(xiàn)象需要重采樣而造成計(jì)算量大難以滿足跟蹤的實(shí)時(shí)性，因此本文利用Mean-Shift算法計(jì)算簡單、速度較快的優(yōu)點(diǎn)，將Mean-Shift一步迭代嵌入粒子濾波算法來對(duì)其進(jìn)行改善。
　　為了在實(shí)際應(yīng)用中有更好的跟蹤效果，本文最后結(jié)合兩