基于均值偏移和粒子濾波的視頻目標跟蹤算法研究.pdf

1、目標跟蹤技術(shù)是視覺領(lǐng)域研究中的熱點問題，廣泛應(yīng)用于視頻監(jiān)控、生物醫(yī)學、導(dǎo)航制導(dǎo)等領(lǐng)域。而目標運動過程中自身的形變、復(fù)雜背景的干擾以及各類噪聲、遮擋、光照等因素都會對目標跟蹤產(chǎn)生影響。在復(fù)雜的現(xiàn)實環(huán)境下，有針對性地提高跟蹤算法的準確性、魯棒性與實時性是目標跟蹤研究的重點。本文就均值偏移算法和粒子濾波算法在目標跟蹤中應(yīng)用，展開了如下研究： 對于均值偏移算法，針對目標尺度變化、遮擋及光線變化等情況提出了相應(yīng)的改進方法。采取帶寬自適應(yīng)的

2、改進策略，有效地實現(xiàn)了對尺度變化目標的跟蹤；在LMS濾波和Kalman預(yù)測的基礎(chǔ)上，提出自適應(yīng)濾波Mean Shift算法，增強了算法在目標形變和遮擋情況下的魯棒性；引入基于HSV顏色模型的CamShift算法，采用運動預(yù)測對搜索策略進行改進，提高了算法應(yīng)對光線變化和目標遮擋等情況的適應(yīng)性。 針對粒子濾波算法，采用相關(guān)跟蹤和多特征融合的方法對其進行優(yōu)化改進。采用相關(guān)跟蹤策略，實現(xiàn)了基于粒子濾波的相關(guān)跟蹤方法，驗證了粒子濾波算法的

3、魯棒性；融合顏色特征和紋理特征建立觀測模型，同時在系統(tǒng)動態(tài)模型中加入尺度變量，提出了一種多特征融合的粒子濾波算法，提高了跟蹤算法的魯棒性。 對均值偏移算法和粒子濾波算法進行融合，在此基礎(chǔ)上對搜索策略進行改進。利用均值偏移算法的聚類作用，將粒子樣本收斂在更接近目標的真實位置的區(qū)域，把均值偏移理論嵌入到粒子濾波算法中以實現(xiàn)對目標的跟蹤；采用Bhattacharyya系數(shù)衡量目標跟蹤狀況，結(jié)合搜索策略跟蹤目標，對均值偏移與粒子濾波融合