Mean Shift及相關(guān)算法在視頻跟蹤中的研究.pdf

1、在視覺跟蹤領(lǐng)域，MeanShift算法是一個(gè)非常優(yōu)秀的算法，是國外最近幾年才發(fā)展起來的。國外研究者比較多，國內(nèi)的很少，去年才見有幾篇文章發(fā)表。初入跟蹤領(lǐng)域，走過了很多彎路后，后來在MeanShift算法上找到了突破口，并在該算法的研究中投入大量的時(shí)間，是以論文的題目以MeanShift命名。MeanShift在跟蹤領(lǐng)域有很多很好的性質(zhì)，比如實(shí)時(shí)性好、對遮擋、目標(biāo)變形魯棒性好等，但它也有一些缺點(diǎn)。作者針對性地對這些缺陷做了較好的改進(jìn)。論文

2、雖以MeanShift命名，但涉及內(nèi)容已超出MeanShift的范疇。 第三章針對MeanShift算法不能跟蹤快速目標(biāo)的特點(diǎn)，提出MeanShift和卡爾曼濾波器相結(jié)合的算法，卡爾曼濾波器預(yù)測目標(biāo)在本幀的可能位置，MeanShift算法在該位置鄰域內(nèi)搜索，算法對快速運(yùn)動的目標(biāo)的跟蹤效果良好，而且對遮擋問題也有很好的處理。 第四章提出MeanShift的模板更新算法，MeanShift沒有模板更新的能力。模板更新對目標(biāo)的

3、跟蹤至關(guān)重要，但沒有通用的模板更新算法，一般都是針對某種跟蹤算法如何解決模板更新的問題。本文提出一種基于卡爾曼濾波器組的MeanShift模板更新算法。模板的元素取自目標(biāo)特征值的概率，通過48個(gè)卡爾曼濾波器可以跟蹤所有特征值的概率變化。算法構(gòu)造巧妙，由于使用了較少的卡爾曼濾波器，算法實(shí)時(shí)性好，魯棒性更好。 第五章提出核直方圖的粒子濾波器目標(biāo)跟蹤算法。算法的系統(tǒng)動態(tài)模型具有對速度的學(xué)習(xí)能力，這樣可以減少粒子的維數(shù)和所需要的粒子數(shù)。

4、觀測模型以MeanShift算法對目標(biāo)特征值的描述為基礎(chǔ)，本文設(shè)計(jì)了一種新的模板更新算法，更新算法充分利用了粒子濾波器計(jì)算的中間值，因而沒有增加算法復(fù)雜性。模板更新能夠使得觀測值的獲得更可靠，因而提高了算法的魯棒性。 第六章提出基于MeanShift粒子濾波器的算法。粒子濾波器算法的主要缺點(diǎn)是需要大量的粒子來近似描述目標(biāo)的狀態(tài)，使得算法非常費(fèi)時(shí)。新算法利用MeanShift算法在重采樣之前將粒子收斂到集合靠近目標(biāo)真實(shí)狀態(tài)的區(qū)域內(nèi)