運(yùn)用mean-shift算法的智能目標(biāo)跟蹤控制系統(tǒng).pdf

1、動(dòng)目標(biāo)跟蹤技術(shù)是實(shí)現(xiàn)智能控制系統(tǒng)的關(guān)鍵技術(shù)，它結(jié)合了圖像處理、模式識別及自動(dòng)控制等多學(xué)科的研究成果，運(yùn)用其中的關(guān)鍵技術(shù)對輸入的圖像序列進(jìn)行處理分析，實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)進(jìn)行檢測和跟蹤。運(yùn)動(dòng)目標(biāo)跟蹤可分為靜態(tài)背景目標(biāo)跟蹤和動(dòng)態(tài)背景目標(biāo)跟蹤。靜態(tài)背景目標(biāo)跟蹤已經(jīng)有許多成熟理論；而動(dòng)態(tài)背景下對目標(biāo)的跟蹤，依然存在很多問題。比如，定位的精確度和系統(tǒng)實(shí)時(shí)性之間的矛盾，很難達(dá)到一個(gè)平衡點(diǎn)。
　　而mean-shift算法提供了解決這一矛盾的新方法，

2、因?yàn)樵撍惴ㄊ腔跓o參密度估計(jì)的目標(biāo)搜索算法，它運(yùn)用梯度最陡下降法對目標(biāo)進(jìn)行迭代尋優(yōu)，計(jì)算量?。徊⑶以撍惴▽\(yùn)動(dòng)背景不敏感，可以運(yùn)用到背景存在運(yùn)動(dòng)的場合下。本文重點(diǎn)研究了mean-shift算法，并針對其缺點(diǎn)提出了一些改進(jìn)措施，主要包括以下幾個(gè)方面：
　　(1)對無參概率密度估計(jì)、核函數(shù)、梯度估計(jì)及加權(quán)函數(shù)的選擇進(jìn)行了深入的研究，為算法的改進(jìn)奠定了基礎(chǔ)；
　　(2)針對搜索窗口固定帶來的問題，本文運(yùn)用不變矩的方法對搜索窗口進(jìn)行

3、自適應(yīng)調(diào)整，并且運(yùn)用Kalman濾波對窗口尺寸進(jìn)行預(yù)測，使得定位更為精確；
　　(3)針對目標(biāo)遮擋時(shí)算法失效的問題，本文提出了Kalman濾波和mean-shift算法相結(jié)合對目標(biāo)進(jìn)行搜索，通過運(yùn)用Kalman濾波殘差、目標(biāo)面積和Bhattacharyya系數(shù)相結(jié)合對目標(biāo)遮擋進(jìn)行判斷，實(shí)現(xiàn)了對遮擋目標(biāo)的有效跟蹤；
　　(4)對步進(jìn)電機(jī)驅(qū)動(dòng)技術(shù)進(jìn)行研究并設(shè)計(jì)硬件驅(qū)動(dòng)電路。
　　在自動(dòng)控制方面，本文采用ARM嵌入式和步進(jìn)電