Mean Shift算法在視覺跟蹤中的研究與應(yīng)用.pdf

1、近些年來，隨著計(jì)算機(jī)性能的快速發(fā)展和學(xué)者們不斷的探索與發(fā)現(xiàn)，國際上對視覺跟蹤技術(shù)研究也日益加深，使得視覺跟蹤技術(shù)成為目前計(jì)算機(jī)領(lǐng)域中最熱門的課題之一。均值漂移(Mean Shift)算法是國外最近幾年才發(fā)展起來的，究其本質(zhì)，實(shí)為一種無參數(shù)的核密度估計(jì)理論，由于其用于視覺跟蹤方面有一些很好的優(yōu)勢而受到眾多學(xué)者的關(guān)注，成為近幾年在該領(lǐng)域研究的熱點(diǎn)。本文研究了Mean Shift算法的理論基礎(chǔ)，同時(shí)針對Mean Shift算法在視覺跟蹤領(lǐng)域所

2、存在的一些問題做了部分改進(jìn)，并通過實(shí)驗(yàn)進(jìn)行了驗(yàn)證。 本文首先針對Mean Shift算法中的核心步驟計(jì)算所得的候選模型中心位置的行列表示難免為非整數(shù)，與圖像矩陣的表示方式不相匹配的問題，提出了模糊隸屬度的概念，分別為鄰近位置分配隸屬度以擇其最大者為最終替代點(diǎn)的方法。 針對Mean Shift算法沒有模型更新能力的問題，本文在提取目標(biāo)的基礎(chǔ)上得到包含目標(biāo)的實(shí)時(shí)目標(biāo)模型，該目標(biāo)模型不僅能根據(jù)目標(biāo)的形態(tài)實(shí)時(shí)的改變，同時(shí)也能根據(jù)

3、目標(biāo)的尺寸而自適應(yīng)的調(diào)整。 在此基礎(chǔ)上，針對目標(biāo)與背景的色彩過于相似的情況下Mean Shift算法的跟蹤效果不夠理想的問題，提出了目標(biāo)模型矩陣的概念，該矩陣能有效的將模型中有效像素點(diǎn)與背景較好的區(qū)分，突出了目標(biāo)的地位且降低了背景的干擾。 最后，本文針對Mean Shift算法的跟蹤起始點(diǎn)對于跟蹤的性能及結(jié)果至關(guān)重要，然而卻沒有一個(gè)較好的方法去確定跟蹤起始點(diǎn)的問題，提出了卡爾曼(Kalman)濾波與Mean Shift算