基于特征融合和Mean Shift的多目標(biāo)跟蹤方法研究.pdf

1、視頻中多目標(biāo)跟蹤技術(shù)是圖像理解、計(jì)算機(jī)視覺等領(lǐng)域的一個(gè)核心研究課題，現(xiàn)己廣泛地應(yīng)用于軍事視覺制導(dǎo)、機(jī)器人視覺導(dǎo)航、交通管制等領(lǐng)域，因此對多目標(biāo)跟蹤技術(shù)開展研究有著重要意義。 針對基于特征的多目標(biāo)跟蹤技術(shù)過分依賴于分割效果、Mean Shift跟蹤方法難以適應(yīng)光照等變化問題，本文開展基于特征融合和Mean Shift的多目標(biāo)跟蹤方法研究，并進(jìn)行了大量實(shí)驗(yàn)，取得了如下成果： 1.快速目標(biāo)區(qū)域提取算法。基于背景差法和幀差法，提

2、出了一種改進(jìn)的背景差檢測方法，快速、有效地提取二值化運(yùn)動前景后，運(yùn)用數(shù)學(xué)形態(tài)學(xué)處理和連接標(biāo)志方法進(jìn)行多目標(biāo)分離，準(zhǔn)確、完整地提取各目標(biāo)區(qū)域。 2.特征融合的多目標(biāo)跟蹤方法。針對傳統(tǒng)的基于全局特征跟蹤方法不能準(zhǔn)確跟蹤互遮擋的多個(gè)目標(biāo)這一問題，提出了融合運(yùn)動目標(biāo)局部特征的角點(diǎn)采樣跟蹤方法，實(shí)現(xiàn)準(zhǔn)確、有效地跟蹤互遮擋的多個(gè)目標(biāo)。在角點(diǎn)特征提取過程中，還提出了雙閾值Harris角點(diǎn)檢測算法，與傳統(tǒng)算法相比，改進(jìn)的算法避免了檢測中的閾值設(shè)

3、定。 3.運(yùn)動像素提純的Mean Shift算法。針對傳統(tǒng)的Mean Shift跟蹤算法由于考慮背景成分而造成跟蹤窗口中心與目標(biāo)真實(shí)中心偏離問題，提出了基于運(yùn)動像素提純的Mean Shift算法。與傳統(tǒng)算法相比，改進(jìn)的算法能夠有效地去除跟蹤窗中背景成分，因而迭代后的目標(biāo)跟蹤窗口中心與目標(biāo)真實(shí)中心更為接近。 4.在研究特征融合跟蹤方法和Mean Shift算法的基礎(chǔ)上，提出了基于特征融合和Mean Shift的多目標(biāo)跟蹤方