基于SIFT特征和均值漂移的目標(biāo)跟蹤研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)重要研究課題，已經(jīng)廣泛應(yīng)用于人機(jī)交互、視頻監(jiān)控、智能環(huán)境及軍事領(lǐng)域等方面，因此研究視頻目標(biāo)跟蹤是非常有意義的。均值漂移(Mean Shift)算法是應(yīng)用得最為廣泛的目標(biāo)跟蹤算法之一，本文針對其不能跟蹤快速運(yùn)動(dòng)目標(biāo)的缺點(diǎn)，并利用SIFT(Scale Invariant FeatureTransform)特征具有良好不變性的優(yōu)點(diǎn)，提出了基于SIFT特征和Mean Shift的跟蹤算法，并通過多個(gè)實(shí)驗(yàn)驗(yàn)證了

2、新算法的跟蹤性能。本文主要做了以下幾個(gè)方面的工作。
　　 首先，本章介紹和分析了Mean Shift算法原理，并對其進(jìn)行了跟蹤實(shí)驗(yàn)。MeanShift算法采用目標(biāo)圖像的灰度或色彩統(tǒng)計(jì)特征作為目標(biāo)模型，能較好地表示目標(biāo)圖像，其跟蹤實(shí)驗(yàn)結(jié)果表明，Mean Shift算法跟蹤快速運(yùn)動(dòng)目標(biāo)的性能較差。
　　 然后，本文介紹了SIFT特征的原理和提取過程，并簡述了標(biāo)準(zhǔn)k-d樹搜索算法和優(yōu)先k-d樹搜索算法。另外，在現(xiàn)有基于SIFT

3、特征的跟蹤算法基礎(chǔ)上，本文設(shè)計(jì)了一種改進(jìn)算法。本文分別對SIFT特征提取及匹配、現(xiàn)有基于SIFT特征的跟蹤算法和其跟蹤改進(jìn)算法進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，SIFT特征對圖像旋轉(zhuǎn)具有良好不變性，而且當(dāng)圖像的灰度或顏色分布集中時(shí)，圖像的SIFT特征數(shù)量較少；基于SIFT特征的跟蹤改進(jìn)算法能跟蹤快速運(yùn)動(dòng)目標(biāo)。同時(shí)實(shí)驗(yàn)結(jié)果也表明，利用SIFT特征進(jìn)行目標(biāo)跟蹤這類算法有個(gè)缺陷：當(dāng)目標(biāo)圖像的SIFT特征數(shù)量持續(xù)較少或?yàn)榱銜r(shí)，跟蹤失敗。
　　

4、最后，本文將基于SIFT特征的跟蹤改進(jìn)算法和Mean Shift算法的優(yōu)勢互補(bǔ)，設(shè)計(jì)了基于SIFT特征和Mean Shift的跟蹤算法，并通過實(shí)驗(yàn)驗(yàn)證新算法的性能。MeanShift算法能較好地表示目標(biāo)圖像但跟蹤快速運(yùn)動(dòng)目標(biāo)的性能較差，而基于SIFT特征的算法能較好地跟蹤上快速運(yùn)動(dòng)目標(biāo)但是當(dāng)目標(biāo)圖像SIFT特征數(shù)量持續(xù)較少或?yàn)榱銜r(shí)卻無法跟蹤目標(biāo)。本文算法首先將目標(biāo)圖像的灰度或色彩統(tǒng)計(jì)特征作為目標(biāo)模型，并利用SIFT特征的不變性預(yù)測目標(biāo)的