基于Mean-shift目標跟蹤算法的研究與實現(xiàn).pdf

1、基于視頻圖像的目標自動檢測與跟蹤技術(shù)是世界各國精確打擊武器系統(tǒng)急需解決的重要難題，也是計算機視覺領(lǐng)域的研究熱點。Mean-shift算法是一種非參數(shù)的密度梯度估計算法，最初被用于模式識別領(lǐng)域中的聚類分析，近年來在目標跟蹤等領(lǐng)域得到了廣泛應(yīng)用。
　　 Mean-shift跟蹤算法的前期目標捕獲階段，需要靠人工輔助或其他方法來實現(xiàn)。論文采用改進累積差異圖像法進行運動目標的粗定位，可以消除緩慢變化背景對目標提取的影響；然后采用雙門直方

2、圖圖像分割法準確獲取目標的大小與位置，有效克服了傳統(tǒng)方法中對紋理復(fù)雜或灰度與背景相近的目標無法完整分割的困難。
　　 論文重點研究了影響mean-shift跟蹤算法性能的幾個主要因素：首先，是目標模板的選擇問題，其直接關(guān)系到算法的收斂速度和定位準確度，筆者采用抑制背景直方圖作為目標模板，采用中心加權(quán)直方圖作為候選目標特征，不僅加快了收斂速度，而且具有較強的抗干擾能力。第二，是核函數(shù)帶寬更新問題，對尺度變化較大的運動目標，只有使核

3、函數(shù)帶寬保持與目標尺度相吻合才能長期準確跟蹤目標，對此筆者使用邊緣加權(quán)直方圖與模板抑制背景直方圖計算Bhattacharyya系數(shù)，根據(jù)其大小變化反映出目標尺度的變化特征，結(jié)合試探法，對核函數(shù)帶寬進行更新，有效的實現(xiàn)了對不斷放大或縮小目標的準確跟蹤。第三，是模板更新問題，要求模板能夠及時反映目標的最新特征，同時又要保留某些固有特征，筆者通過相鄰Bhattacharyya系數(shù)變化大小的方法，實現(xiàn)了對目標模板的有效更新。第四，是目標位置預(yù)測

4、與抗遮擋問題，一個好的預(yù)測機制可以大大減少mean-shift算法的迭代時間，同時對于高速運動的目標以及目標受到遮擋的情況，也可以通過合理的預(yù)測機制來解決，筆者根據(jù)Bhattacharyya系數(shù)值檢測目標是否被遮擋，同時采用線性預(yù)測機制實現(xiàn)對目標的穩(wěn)定跟蹤。
　　 筆者以專用DSP處理器DM642為核心，開發(fā)了一個嵌入式視頻處理硬件平臺，并在上面進行mean-shift跟蹤算法的移植，經(jīng)過優(yōu)化調(diào)試與試驗，最終實現(xiàn)一個小型化的光電