基于粒子濾波與Mean Shift的視頻目標(biāo)跟蹤算法研究.pdf

1、視頻目標(biāo)跟蹤技術(shù)在計(jì)算機(jī)視覺(jué)、智能學(xué)習(xí)等領(lǐng)域一直是一個(gè)難點(diǎn)問(wèn)題。該技術(shù)在商場(chǎng)監(jiān)控、智能交通、人機(jī)交互等領(lǐng)域的應(yīng)用越來(lái)越普遍。近年來(lái)，眾多學(xué)者進(jìn)行了更加深入的研究，并在前人研究的基礎(chǔ)上對(duì)算法進(jìn)一步的創(chuàng)新。視頻目標(biāo)跟蹤技術(shù)有2種普遍使用的算法，分別是粒子濾波算法和Mean Shift算法。本文針對(duì)粒子濾波和Mean Shift算法各自的特點(diǎn)，就其處于復(fù)雜環(huán)境條件中對(duì)目標(biāo)跟蹤過(guò)程當(dāng)中如何改善算法的魯棒性和實(shí)時(shí)性，展開(kāi)了如下研究：
　　針

2、對(duì)粒子濾波算法在利用單一特征進(jìn)行跟蹤時(shí)容易導(dǎo)致跟蹤失敗的問(wèn)題，提出使用多特征融合的方法建立一個(gè)較強(qiáng)的觀測(cè)模型。該觀測(cè)模型通過(guò)對(duì)顏色、結(jié)構(gòu)和紋理特征信息進(jìn)行融合而建立的，并且在跟蹤過(guò)程中各個(gè)特征的融合系數(shù)可以隨著跟蹤過(guò)程中環(huán)境的變化進(jìn)行自適應(yīng)的調(diào)整，在實(shí)際跟蹤當(dāng)中幾個(gè)特征信息可以互相彌補(bǔ)，當(dāng)一種特征失效時(shí)，還可以通過(guò)另外的特征信息來(lái)對(duì)目標(biāo)進(jìn)行跟蹤，從而保證了跟蹤的魯棒性。
　　針對(duì)粒子濾波算法在跟蹤當(dāng)中使用多特征融合來(lái)保證魯棒性的同

3、時(shí)，算法的復(fù)雜性也隨著增加的問(wèn)題，提出使用一種自適應(yīng)策略來(lái)調(diào)整跟蹤過(guò)程中所需要的粒子數(shù)目。當(dāng)目標(biāo)處在簡(jiǎn)單的環(huán)境當(dāng)中時(shí)，由于受周?chē)沫h(huán)境干擾較小，目標(biāo)模板與候選目標(biāo)模板的相似度很高，可以適當(dāng)降低所需的粒子數(shù)目來(lái)實(shí)現(xiàn)跟蹤的實(shí)時(shí)性。如果目標(biāo)處在復(fù)雜環(huán)境當(dāng)中時(shí)，由于受周?chē)h(huán)境影響較大，目標(biāo)模板與候選目標(biāo)模板的相似度較低，此時(shí)可以通過(guò)增加粒子數(shù)目來(lái)實(shí)現(xiàn)對(duì)目標(biāo)的穩(wěn)定性跟蹤。該策略通過(guò)自適應(yīng)調(diào)整跟蹤過(guò)程當(dāng)中的粒子數(shù)目來(lái)保證跟蹤過(guò)程的時(shí)效性。
　

4、　針對(duì)粒子濾波算法在對(duì)目標(biāo)進(jìn)行跟蹤的過(guò)程當(dāng)中耗時(shí)較大，而Mean Shift算法容易陷入局部極值的問(wèn)題，在融合顏色、結(jié)構(gòu)和紋理特征的基礎(chǔ)上，將粒子濾波和Mean Shift兩種算法進(jìn)行融合，提出多特征融合與Mean Shift的粒子濾波跟蹤算法。在粒子濾波中，使用Mean Shift對(duì)跟蹤過(guò)程的粒子集合進(jìn)行聚類(lèi)操作，使得粒子的權(quán)值增大，更加近似跟蹤目標(biāo)的真實(shí)位置，該算法通常使用少量的粒子數(shù)目就能對(duì)目標(biāo)進(jìn)行穩(wěn)定的跟蹤，繼而保證了跟蹤的時(shí)效