Mean Shift算法研究及其在視頻目標跟蹤中的應用.pdf

1、當今社會是信息社會，計算機技術的快速發(fā)展為我們的工作和生活帶來了很大的便利。視頻目標跟蹤是基于計算機技術和信息技術的一門跨學科的領域，目前被廣泛應用于視頻監(jiān)控、機器人視覺、智能交通、國防建設和航天航空及國民經(jīng)濟建設各個領域。視頻目標跟蹤的核心在于合理地分離出目標，正確地描述目標特征和快速地識別目標，同時考慮算法的實時性、精確性和魯棒性。目標跟蹤的本質是自動控制系統(tǒng)的狀態(tài)估計問題，即濾去隨機噪聲，觀測和估計目標的連續(xù)狀態(tài)，最后求解目標的運

2、動要素。
　　 在課題研究中，通過對視頻場景監(jiān)控中目標跟蹤問題的學習和探索，課題的研究取得了一定的進展。由于視頻目標跟蹤環(huán)境中背景和目標的復雜性，很難找到一個能處理所有情況的算法，因此各種算法層出不窮。本文詳細介紹了目標跟蹤領域中幾種較為經(jīng)典的算法:MeanShift算法、粒子濾波算法和最小二乘算法。分析了各種算法的不同優(yōu)缺點，并且對于算法的不足，提出了一些改進的方法。
　　 由于MeanShift算法在目標初始位置進行

3、迭代收斂，當目標運動較快或者目標被遮擋時，算法跟蹤效果將會受到影響。采用最小二乘預測算法可解決這一問題，首先采用最小二乘法對目標的位置進行預測，MeanShift算法在預測位置進行迭代跟蹤，利用MeanShift算法獲取目標最終跟蹤位置，通過減少每幀搜索時矢量離收斂點的距離來實現(xiàn)加速，該算法稱為最小二乘MeanShift算法。
　　 仿真結果表明，在目標運動速度較快或發(fā)生輕微遮擋的情況下，改進算法表現(xiàn)出更好的跟蹤效果。同時，對于

4、兩種算法的MeanShift迭代次數(shù)和每幀的處理時間進行了計算和對比，對比發(fā)現(xiàn)，改進算法有更好的實時性。
　　 最小二乘MeanShift算法計算量小，在視頻圖像背景相對簡單的情況下，跟蹤過程可以保證較好的實時性;但是當目標發(fā)生較大范圍的遮擋時，該算法的跟蹤效果欠佳，甚至發(fā)生跟蹤丟失的情況。相比之下，粒子濾波算法在復雜背景、遮擋等情況下能進行比較準確的跟蹤;然而，粒子濾波的計算量比較大，其較好的魯棒性也是以犧牲實時性為代價。