基于MeanShift的運動目標跟蹤算法研究.pdf

1、隨著計算機技術(shù)的飛速發(fā)展，圖像處理和計算能力得到了極大提高，計算機視覺也取得了較快的發(fā)展。視覺目標跟蹤技術(shù)是計算機視覺領(lǐng)域的重點問題。目前雖然專家學者已經(jīng)研究了很長時間，并取得豐碩的研究成果，但是由于目標受遮擋、光照強度變化、目標旋轉(zhuǎn)等干擾因素的影響，目標跟蹤問題依然面臨著各種挑戰(zhàn)。如何設(shè)計魯棒性強的目標跟蹤算法來處理各種挑戰(zhàn)仍是亟待解決的問題。
　　本文主要研究基于MeanShift的目標跟蹤算法，其在圖像處理領(lǐng)域應用廣泛，是目

2、標跟蹤的基本算法之一。MeanShift算法是半自動算法，需要手動在初始幀中選取目標。然后對目標區(qū)域的像素值進行概率統(tǒng)計，再對后續(xù)幀迭代搜索進行同樣的概率密度統(tǒng)計并與目標模板進行對比，當選定的相似系數(shù)滿足所設(shè)定的閾值或者迭代次數(shù)達到上限時停止搜索并確定跟蹤目標的位置。MeanShift算法具有復雜度低、計算量小、實時性好、不易受到光照影響等諸多優(yōu)點，但是由于算法跟蹤窗口固定、缺少必要的模板更新和預測機制，所以應用范圍受到了局限。

3、　　本文正是基于MeanShift算法跟蹤窗口固定這一缺點進行了改進，跟蹤窗口固定帶來的兩個問題就是：目標變大時會丟失描述信息，目標變小時則會混入過多的背景信息。由于算法本身只依靠目標圖像的像素值概率密度作為描述特征，所以無論丟失部分信息或者混入過多的背景信息都會對待選模板的特征描述造成極大的影響，最后導致跟蹤失敗。本文在經(jīng)典MeanShift的基礎(chǔ)上首先添加了橢圓對數(shù)極坐標變換算法對目標模板與待選模板進行極坐標變換，將目標的大小形變轉(zhuǎn)