融合卡爾曼濾波和Mean Shift的尺度自適應(yīng)運動目標(biāo)跟蹤算法的研究與實現(xiàn).pdf

1、當(dāng)今世界是一個信息急劇膨脹的時代，人們隨時隨地都會接收到海量的信息，其中視覺信息尤為重要，所以對這些視覺信息的處理逐漸成為人們?nèi)找骊P(guān)注的焦點。基于運動目標(biāo)跟蹤的視頻分析技術(shù)是當(dāng)今社會研究的熱點，其中Mean Shift算法是常用優(yōu)秀的運動目標(biāo)跟蹤算法之一，本文針對傳統(tǒng)Mean Shift算法的不足，即目標(biāo)跟蹤框的大小不能變化，以及目標(biāo)在快速運動或者被遮擋時跟蹤效果較差的情況，對算法進(jìn)行了相應(yīng)的改進(jìn)。
　　Mean Shift算法采

2、用RGB核顏色直方圖作為目標(biāo)模型的描述，同時在Mean Shift算法框架下提取目標(biāo)的幾何特征，根據(jù)目標(biāo)的型心坐標(biāo)和面積對跟蹤框的位置和大小做實時的更新，并按實際情況更新Mean Shift的目標(biāo)模板。
　　針對Mean Shift算法對快速運動目標(biāo)以及目標(biāo)被遮擋時跟蹤效果不佳的情況，本文結(jié)合卡爾曼濾波器對運動目標(biāo)的預(yù)測功能，將卡爾曼濾波器與Mean Shift相結(jié)合，在每次執(zhí)行Mean Shift算法時先以卡爾曼濾波器來預(yù)測目標(biāo)

3、的位置信息，然后再執(zhí)行Mean Shift算法對目標(biāo)位置做進(jìn)一步修正，增強了目標(biāo)位置信息的判斷機制，使得目標(biāo)跟蹤更加有效。
　　本文算法實現(xiàn)所采用的硬件平臺以 DM8168多核處理器為核心，同時處理系統(tǒng)以McFW為視頻處理系統(tǒng)框架。由DSP核來運行目標(biāo)跟蹤算法，M3 VPSS負(fù)責(zé)視頻的捕獲和顯示，M3 Video負(fù)責(zé)視頻的編解碼，由ARM核負(fù)責(zé)控制多個核之間的協(xié)同工作。
　　基于以上研究，本文通過與傳統(tǒng)Mean Shift算