融合Mean Shift和卡爾曼濾波的運動目標(biāo)跟蹤算法研究.pdf

1、基于視頻的運動目標(biāo)跟蹤是計算機視覺研究領(lǐng)域的一項必不可少的關(guān)鍵技術(shù)。Mean Shift算法是眾多優(yōu)秀的運動目標(biāo)跟蹤算法之一。本文的主要研究內(nèi)容為Mean Shift理論和傳統(tǒng)的Mean Shift目標(biāo)跟蹤算法，以及針對Mean Shift目標(biāo)跟蹤算法在目標(biāo)快速運動和嚴(yán)重遮擋情況下常常跟蹤失敗的缺陷提出改進策略。
　　Mean Shift算法采用核顏色直方圖作為描述目標(biāo)的模型，核函數(shù)的單峰性使得該算法對目標(biāo)的部分遮擋或目標(biāo)變形具有

2、較好的魯棒性，并且具有較好的實時性。然而Mean Shift算法也有其固有的一些缺陷，如在目標(biāo)運動速度過快或目標(biāo)遇到大比例遮擋的情況下，算法會收斂到背景中與目標(biāo)顏色較為相近的區(qū)域，從而導(dǎo)致跟蹤失效。本文針對目標(biāo)快速運動情況下Mean Shift算法失效問題，提出了結(jié)合卡爾曼濾波器的改進方法，有效地解決了快速目標(biāo)的跟蹤問題，并針對目標(biāo)嚴(yán)重遮擋的情況提出了判斷遮擋和相應(yīng)的處理方法，很好地解決了嚴(yán)重遮擋情況下的目標(biāo)跟蹤問題。
　　本文介

3、紹了Mean Shift的一些相關(guān)理論，如核密度估計理論等，解釋了Mean Shift向量的概念，并對Mean Shift算法的收斂性進行了證明。在Mean Shift理論的基礎(chǔ)上，本文詳細描述了Mean Shift應(yīng)用于目標(biāo)跟蹤的具體方法和步驟，同時提出了尺度自適應(yīng)的更新策略，以滿足跟蹤過程中目標(biāo)尺度的變化要求，還列出了Mean Shift算法在各種不同情況下的實驗結(jié)果及分析。
　　針對快速運動目標(biāo)跟蹤的情況，本文提出了Mean

4、 Shift與卡爾曼濾波器相結(jié)合的算法，描述了Mean Shift與卡爾曼濾波器相結(jié)合的具體方法。首先，對卡爾曼濾波器理論作了簡單的介紹，然后，具體討論了如何對卡爾曼濾波器建模，以將其良好的預(yù)測功能應(yīng)用于目標(biāo)跟蹤，提高Mean Shift算法對快速運動目標(biāo)的跟蹤效果。同時展示了Mean Shift與卡爾曼濾波器相結(jié)合的改進算法以及嚴(yán)重遮擋情況下跟蹤的實驗效果，并對結(jié)果進行了分析。通過將傳統(tǒng)Mean Shift算法與改進算法的實驗結(jié)果進行