基于Mean Shift的視頻目標跟蹤算法的研究與改進.pdf

1、視頻圖像序列中的目標跟蹤是計算機視覺領域中的核心研究課題之一，最近幾十年來受到了學者們的廣泛關注。目標跟蹤技術為更高層的視頻理解和場景解釋提供底層對象和分析依據(jù)，具有著重要的研究價值。然而，目標自身特征的多樣性和所處環(huán)境的復雜性等因素限制了跟蹤算法的性能。因此，設計一種穩(wěn)定、可靠的運動目標跟蹤方法在當前仍然是一項非常具有挑戰(zhàn)性的工作。
　　本文調(diào)研了目標跟蹤技術的發(fā)展歷程和研究現(xiàn)狀，對幾種基于Mean Shift算法的目標跟蹤算法

2、進行了研究和分析，并提出了新的改進算法。改進算法能夠根據(jù)目標的幾何信息自適應的調(diào)整跟蹤框的大小，提高跟蹤算法的性能。本文的主要研究工作如下:
　　(1)對運動目標跟蹤中常用的技術做了研究，主要有運動目標的表示方法，目標特征選擇，目標跟蹤方法的分類和數(shù)學形態(tài)學處理。
　　(2)詳細介紹了Mean Shift目標跟蹤算法和背景加權(CorrectedBackground-Weighted Histogram，CBWH）的均值漂移

3、跟蹤算法的原理與實現(xiàn)框架，并采用多個視頻序列進行了對比實驗，實驗結果表明CBWH跟蹤算法較傳統(tǒng)Mean Shift跟蹤算法具有迭代次數(shù)少，跟蹤精度高，且對目標初始化不敏感的優(yōu)點，因此具有更好的環(huán)境適應性。
　　(3)目標顯著特征信息數(shù)據(jù)量的多少可以作為判斷目標尺度的重要依據(jù)。因此，給出了一種改進的跟蹤算法:采用CBWH算法跟蹤目標的位置，使用經(jīng)過背景加權的目標模型生成當前幀的顏色概率圖，在該圖中通過計算矩特征估計目標的尺度以調(diào)整下