基于Kernel函數(shù)的運動目標跟蹤.pdf

1、運動目標跟蹤是計算機視覺研究領域的重要課題之一，也是近年來備受研究者關注的前沿方向。運動目標跟蹤的目的是通過從含有運動目標的圖象序列中跟蹤運動目標，并對其行為進行理解和描述。本文著重研究了基于Kernel函數(shù)的運動目標跟蹤算法。 文中首先介紹了基于Kernel函數(shù)的運動目標跟蹤模型。介紹了該模型中運動目標的表示方法、相似度測量以及運動目標定位方法。本文分析了算法中各個參數(shù)的選擇對算法的精度、準確性等性能的影響并提出了本文中所采用

2、的參數(shù)的選擇方法。通過分析該算法中的參數(shù)選擇，提出了優(yōu)化算法。該跟蹤算法不僅能對剛性物體進行有效的跟蹤，還能對非剛性物體進行有效的跟蹤。 傳統(tǒng)的基于Kernel函數(shù)的運動目標跟蹤算法對運動目標縮小或者運動目標大小不改變時能進行有效的跟蹤，但是當運動目標逐漸增大時會造成跟蹤丟失。造成跟蹤丟失的主要原因是運動目標增大時跟蹤窗口湮沒在跟蹤目標中，造成多個位置存在相似的Bhattacharyya距離。本文采用了一種基于后向跟蹤、形心配準

3、的窗口大小自動選取算法。該算法首先采用傳統(tǒng)的算法計算出下一幀目標的位置，該位置為預測位置，再以下一幀圖象的預測位置采用傳統(tǒng)的算法向后跟蹤計算出在上一幀中的目標位置，計算該位置與實際位置的偏差估計下一幀中預測位置的偏差從而得到運動目標的實際位置。通過上面計算出的目標的跟蹤位置不斷改變運動目標的大小計算Bhattacharyya距離大小，取得最大Bhattacharyya距離的目標尺寸為下一幀目標的尺寸。實驗結果表明，該算法能有效的對運動目