基于特征融合和Mean Shift的多目標跟蹤方法研究.pdf

1、視頻中多目標跟蹤技術是圖像理解、計算機視覺等領域的一個核心研究課題，現(xiàn)己廣泛地應用于軍事視覺制導、機器人視覺導航、交通管制等領域，因此對多目標跟蹤技術開展研究有著重要意義。 針對基于特征的多目標跟蹤技術過分依賴于分割效果、Mean Shift跟蹤方法難以適應光照等變化問題，本文開展基于特征融合和Mean Shift的多目標跟蹤方法研究，并進行了大量實驗，取得了如下成果： 1.快速目標區(qū)域提取算法。基于背景差法和幀差法，提

2、出了一種改進的背景差檢測方法，快速、有效地提取二值化運動前景后，運用數(shù)學形態(tài)學處理和連接標志方法進行多目標分離，準確、完整地提取各目標區(qū)域。 2.特征融合的多目標跟蹤方法。針對傳統(tǒng)的基于全局特征跟蹤方法不能準確跟蹤互遮擋的多個目標這一問題，提出了融合運動目標局部特征的角點采樣跟蹤方法，實現(xiàn)準確、有效地跟蹤互遮擋的多個目標。在角點特征提取過程中，還提出了雙閾值Harris角點檢測算法，與傳統(tǒng)算法相比，改進的算法避免了檢測中的閾值設

3、定。 3.運動像素提純的Mean Shift算法。針對傳統(tǒng)的Mean Shift跟蹤算法由于考慮背景成分而造成跟蹤窗口中心與目標真實中心偏離問題，提出了基于運動像素提純的Mean Shift算法。與傳統(tǒng)算法相比，改進的算法能夠有效地去除跟蹤窗中背景成分，因而迭代后的目標跟蹤窗口中心與目標真實中心更為接近。 4.在研究特征融合跟蹤方法和Mean Shift算法的基礎上，提出了基于特征融合和Mean Shift的多目標跟蹤方