Mean-shift跟蹤算法魯棒性的研究.pdf

1、運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤一直是計(jì)算機(jī)視覺領(lǐng)域的重要研究課題。它在人工智能系統(tǒng)、數(shù)字影像監(jiān)控、軍事視覺制導(dǎo)、安全檢測(cè)、醫(yī)學(xué)生物領(lǐng)域等都有廣泛的應(yīng)用。Mean-shift跟蹤算法實(shí)時(shí)性好，對(duì)遮擋和目標(biāo)變形具有一定的適應(yīng)性，是一個(gè)比較優(yōu)秀的跟蹤方法。但它也存在不足。傳統(tǒng)的Mean-shift算法當(dāng)背景的直方圖分布和目標(biāo)的直方圖分布類似時(shí)，或者目標(biāo)受到光照、陰影等影響，或有干擾物體靠近目標(biāo)時(shí)，很容易發(fā)生跟蹤錯(cuò)誤。 本文對(duì)Mean-shift

2、算法在視頻跟蹤中的魯棒性進(jìn)行了研究，針對(duì)上述幾個(gè)跟蹤難點(diǎn)，在以下幾個(gè)方面對(duì)Mean．shifl算法進(jìn)行了改進(jìn)。 1) 用目標(biāo)的色彩融合特征取代灰度特征，使目標(biāo)更有效地從背景中區(qū)分出來，增強(qiáng)Mean-shift算法中目標(biāo)特征建立的魯棒性。 2) 利用Kalman濾波對(duì)目標(biāo)位置進(jìn)行預(yù)測(cè)，在預(yù)測(cè)位置的鄰域內(nèi)進(jìn)行Mean-shift搜索，降低Mean-shift跟蹤在相似物體靠近或目標(biāo)受遮擋等情況下發(fā)生定位錯(cuò)誤的概率。