基于改進(jìn)的Meanshift跟蹤算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)跟蹤包括對(duì)視頻序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)監(jiān)測、分析、提取、跟蹤以及行為描述等過程,是一門綜合性技術(shù),融合了圖像處理、模式識(shí)別、人工智能等眾多學(xué)科技術(shù),在民用和軍事應(yīng)用中均有著廣泛的用途。本文在運(yùn)動(dòng)目標(biāo)跟蹤中的主要理論方法的基礎(chǔ)上進(jìn)行總結(jié),針對(duì)其不足進(jìn)行適當(dāng)改善以提高算法的跟蹤性能。
　　特征的提取在基于圖像的目標(biāo)跟蹤技術(shù)研究中發(fā)揮著重要的作用,由于角點(diǎn)特征算子在特征匹配中表現(xiàn)出了良好的魯棒性,而且廣泛應(yīng)用于目標(biāo)跟蹤的mean

2、shift算法在非線性、非高斯系統(tǒng)的狀態(tài)估計(jì)中具有優(yōu)越性,因此將meanshift與角點(diǎn)特征相結(jié)合用于復(fù)雜場景的目標(biāo)跟蹤具有重要的研究價(jià)值。本文介紹了兩種典型的角點(diǎn)特征算子的原理并結(jié)合meanshift,提出一種meanshift框架下利用角點(diǎn)特征作為第二特征集修正目標(biāo)位置的跟蹤算法,并結(jié)合kalman濾波器、有效的模板選擇和更新策略,提高了算法的跟蹤精度以及在復(fù)雜場景下的自適應(yīng)能力。
　　在上述研究的基礎(chǔ)上,論文針對(duì)meansh