基于視頻監(jiān)控系統(tǒng)的運(yùn)動目標(biāo)跟蹤算法研究.pdf

1、本文對Mean-Shift算法與改進(jìn)方法進(jìn)行了對比實驗，證明了Mean-Shift改進(jìn)算法的跟蹤效果更好。
　　Mean-Shift目標(biāo)跟蹤算法具有實現(xiàn)簡單、跟蹤穩(wěn)定等優(yōu)點，受到了廣泛的關(guān)注。但作為一種基于顏色信息的無參核函數(shù)密度估計方法，Mean-Shift算法也存在很多不足。首先，在陰暗場景中目標(biāo)顏色信息不明顯的情況下，算法無法跟蹤目標(biāo)；其次，在目標(biāo)被遮擋而造成顏色信息丟失的情況下，算法將無法跟蹤目標(biāo)；最后，僅僅基于顏色信息的

2、目標(biāo)表示模型過于單一，對目標(biāo)模板的表示不夠穩(wěn)健。
　　本文主要針對Mean-Shift跟蹤算法的上述缺點，研究改進(jìn)Mean-Shift算法跟蹤性能的方法。
　　首先，針對跟蹤場景中的陰暗環(huán)境，通過非線性圖像增強(qiáng)技術(shù)處理圖像中的陰影區(qū)域。非線性圖像增強(qiáng)技術(shù)包括自適應(yīng)動態(tài)范圍壓縮與局部對比增強(qiáng)兩個方法。在自適應(yīng)動態(tài)范圍壓縮處理中，應(yīng)用sigmoid轉(zhuǎn)換函數(shù)與雙曲正切函數(shù)，增強(qiáng)陰影區(qū)域的亮度；在局部對比增強(qiáng)處理中，增強(qiáng)自適應(yīng)動態(tài)范

3、圍壓縮處理降低的圖像對比度。
　　其次，針對Mean-Shift算法Epanechnikov核函數(shù)的缺點，改進(jìn)原算法的核函數(shù)，為目標(biāo)像素賦予更加合理的權(quán)值，使算法能夠處理目標(biāo)被部分遮擋的情況。針對目標(biāo)被嚴(yán)重遮擋的情況，將Kalman濾波器加入到Mean-Shift算法框架中，利用Kalman濾波器預(yù)測目標(biāo)位置，在此基礎(chǔ)上進(jìn)行Mean-Shift算法的均值偏移迭代確定目標(biāo)最終位置。
　　最后，針對目標(biāo)表示模型單一的問題，利用運(yùn)

4、動信息與顏色特征相融合的方法，建立完備的目標(biāo)模型。為獲得目標(biāo)的運(yùn)動信息，對比分析常用運(yùn)動目標(biāo)檢測算法，
　　應(yīng)用 ViBe(Visual Background Extractor)算法對目標(biāo)運(yùn)動信息進(jìn)行提取。在 Mean-Shift算法框架下，分析 ViBe算法背景模型的建立、初始化和更新策略，將ViBe算法提取出的目標(biāo)運(yùn)動信息與顏色信息相融合，得到穩(wěn)健的目標(biāo)模板表示模型。
　　本文對Mean-Shift算法與改進(jìn)方法進(jìn)行了