基于Graph Cuts圖像分割的Mean Shift目標(biāo)跟蹤算法研究.pdf

1、視頻序列中的目標(biāo)跟蹤技術(shù)是指在一段視頻序列中尋找與指定目標(biāo)最相似的部分，是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要內(nèi)容。目標(biāo)跟蹤技術(shù)在軍事、航天、監(jiān)控、生物醫(yī)學(xué)和機(jī)器人技術(shù)等多種領(lǐng)域都有廣泛應(yīng)用，近年來(lái)得到了快速的發(fā)展。為解決目標(biāo)跟蹤技術(shù)中的各種難題，學(xué)者們提出了眾多的跟蹤算法，其中的MeanShift算法以其原理簡(jiǎn)單，實(shí)時(shí)性好，易于實(shí)現(xiàn)等特點(diǎn)而成為一種主要的跟蹤算法。
　　 本文以Mean Shift目標(biāo)跟蹤算法為主要研究對(duì)象進(jìn)行研究。Mea

2、n Shift算法是一種基于特征概率密度統(tǒng)計(jì)的建模方法，在跟蹤過(guò)程中，首先用戶(hù)要在視頻序列的第一幀中選定感興趣的目標(biāo)區(qū)域，并對(duì)目標(biāo)區(qū)域建立目標(biāo)模型；然后根據(jù)Bhattacharyya相似度，在后續(xù)幀中迭代尋找與目標(biāo)模型最相似的候選模型。MeanShift算法具有良好的跟蹤性能，但是當(dāng)視頻序列中目標(biāo)和背景較難區(qū)分、目標(biāo)運(yùn)動(dòng)較快時(shí)，標(biāo)準(zhǔn)的Mean Shift算法無(wú)法有效的區(qū)分目標(biāo)與背景，從而導(dǎo)致跟蹤出現(xiàn)偏差，甚至丟失目標(biāo)。
　　 針

3、對(duì)標(biāo)準(zhǔn)Mean Shift算法的上述缺點(diǎn)，本文提出一種基于Graph Cuts圖像分割的Mean Shift目標(biāo)跟蹤算法。Graph Cuts圖像分割算法將圖論中的最大流最小割定理應(yīng)用于圖像分割技術(shù)中，具有速度快、精度高等優(yōu)點(diǎn)。新算法將圖像分割應(yīng)用于目標(biāo)跟蹤過(guò)程中，對(duì)于目標(biāo)與背景較為相似的視頻序列，能夠有效的將目標(biāo)與背景分離，使得目標(biāo)模型與候選模型的統(tǒng)計(jì)更加精確，從而使跟蹤結(jié)果更為準(zhǔn)確。本文通過(guò)實(shí)驗(yàn)對(duì)標(biāo)準(zhǔn)Mean Shift算法和新算法