基于Meanshift的視頻人體目標(biāo)跟蹤算法研究.pdf

1、視頻運(yùn)動(dòng)人體目標(biāo)的跟蹤技術(shù)已經(jīng)成為了計(jì)算機(jī)視覺(jué)一個(gè)重要課題和研究熱點(diǎn),也有很大的現(xiàn)實(shí)意義和應(yīng)用價(jià)值。本文研究對(duì)比了代表性的Meanshift、粒子濾波、Kalman濾波估計(jì)、光流法等視頻目標(biāo)跟蹤技術(shù)算法,其中 Meanshift算法是通過(guò)多次迭代漂移跟蹤目標(biāo)位置,對(duì)低速運(yùn)動(dòng)目標(biāo)大多數(shù)情況都能達(dá)到實(shí)時(shí)、準(zhǔn)確的跟蹤,且簡(jiǎn)單易實(shí)現(xiàn),但不適應(yīng)快速運(yùn)動(dòng)目標(biāo)或小目標(biāo)的跟蹤,存在誤差累積錯(cuò)誤跟蹤。
　　基于此,本文提出了一種結(jié)合Kalman濾波

2、器和幀差法改進(jìn)Meanshift算法的新跟蹤方法。在Meanshift算法框架下,新方法依據(jù)Kalman濾波對(duì)目標(biāo)質(zhì)心和長(zhǎng)寬預(yù)測(cè),從幀差法檢測(cè)到的運(yùn)動(dòng)區(qū)域中挑選可信區(qū)域只進(jìn)行一次 Meanshift顏色相似度檢測(cè),若不滿足目標(biāo)相似條件,則再對(duì)其他運(yùn)動(dòng)區(qū)域及Kalman預(yù)測(cè)區(qū)域依序進(jìn)行原Meanshift算法跟蹤,選出目標(biāo)最佳跟蹤區(qū)域。Kalman濾波器和幀差法可以預(yù)測(cè)和檢測(cè)到豐富的運(yùn)動(dòng)區(qū)域信息,二者讓 Meanshift算法內(nèi)核漂移跟蹤

3、更智能化。實(shí)驗(yàn)證明新方法減少了傳統(tǒng)Meanshift顏色匹配迭代的次數(shù)和計(jì)算,在持久跟蹤丟失目標(biāo)的情況下也可以快速重新找回原目標(biāo)準(zhǔn)確跟蹤,具有跟蹤上的魯棒性。
　　最后本文拓展研究了人體目標(biāo)跟蹤技術(shù)的重要應(yīng)用—視頻人體動(dòng)作識(shí)別,并提出了基于肢體的三個(gè)特征描述子了的動(dòng)作識(shí)別方法。最后重申本文的研究創(chuàng)新點(diǎn):1)在Meanshift算法框架下,設(shè)計(jì)一種結(jié)合 Kalman、幀差法挖掘豐富運(yùn)動(dòng)信息新 MeanShift跟蹤算法,同樣可以較好