基于Graph Cuts圖像分割的Mean Shift目標跟蹤算法研究.pdf

1、視頻序列中的目標跟蹤技術(shù)是指在一段視頻序列中尋找與指定目標最相似的部分，是計算機視覺領(lǐng)域的一個重要內(nèi)容。目標跟蹤技術(shù)在軍事、航天、監(jiān)控、生物醫(yī)學和機器人技術(shù)等多種領(lǐng)域都有廣泛應(yīng)用，近年來得到了快速的發(fā)展。為解決目標跟蹤技術(shù)中的各種難題，學者們提出了眾多的跟蹤算法，其中的MeanShift算法以其原理簡單，實時性好，易于實現(xiàn)等特點而成為一種主要的跟蹤算法。
　　 本文以Mean Shift目標跟蹤算法為主要研究對象進行研究。Mea

2、n Shift算法是一種基于特征概率密度統(tǒng)計的建模方法，在跟蹤過程中，首先用戶要在視頻序列的第一幀中選定感興趣的目標區(qū)域，并對目標區(qū)域建立目標模型；然后根據(jù)Bhattacharyya相似度，在后續(xù)幀中迭代尋找與目標模型最相似的候選模型。MeanShift算法具有良好的跟蹤性能，但是當視頻序列中目標和背景較難區(qū)分、目標運動較快時，標準的Mean Shift算法無法有效的區(qū)分目標與背景，從而導致跟蹤出現(xiàn)偏差，甚至丟失目標。
　　 針

3、對標準Mean Shift算法的上述缺點，本文提出一種基于Graph Cuts圖像分割的Mean Shift目標跟蹤算法。Graph Cuts圖像分割算法將圖論中的最大流最小割定理應(yīng)用于圖像分割技術(shù)中，具有速度快、精度高等優(yōu)點。新算法將圖像分割應(yīng)用于目標跟蹤過程中，對于目標與背景較為相似的視頻序列，能夠有效的將目標與背景分離，使得目標模型與候選模型的統(tǒng)計更加精確，從而使跟蹤結(jié)果更為準確。本文通過實驗對標準Mean Shift算法和新算法