均值平移算法在尺度和速度變化的目標跟蹤中的應用研究.pdf

1、隨著計算視覺技術(shù)在各方面的應用越來廣泛，大量的研究人員紛紛加入到了這個領(lǐng)域的研究之中。而目標跟蹤技術(shù)作為其中的一個分支也越來越受到人們的重視，因為其無論在軍事上還是在民用上都有著相當大的實用價值。本文主要針對近些年來得到廣泛關(guān)注的基于均值平移的目標跟蹤算法進行了深入的研究，并在前人工作的基礎(chǔ)之上提出了自己的一些想法，本文的主要工作包括如下幾方面：
　　 首先，分析了目前基于均值平移的目標跟蹤方法所存在的問題，主要包括目標的尺度變

2、化、快速運動和特征選擇等。針對這類方法在解決目標尺度變化時所面臨的問題，深入研究相關(guān)的研究成果，提出了一種改進的帶寬矩陣更新方法，并且增加了一個簡單的參數(shù)濾波方法以平滑帶寬參數(shù)的估計。通過實驗表明，由于對帶寬矩陣的更新增加了輪廓函數(shù)的限制和帶寬參數(shù)的平滑濾波，該方法在目標的尺度、位置和方向發(fā)生變化的情況下，具有較好的魯棒性，并且計算簡單易于實現(xiàn)實時跟蹤。
　　 其次，針對傳統(tǒng)的基于均值平移的目標跟蹤算法里面目標的快速移動以及尺度

3、變化往往會使跟蹤方法失效的問題，結(jié)合基于SURF匹配定位的方法提出了一種新的均值平移算法。算法利用均值平移方法預測下一幀目標的大概位置，然后在以這點為中心的一個鄰域內(nèi)做基于SURF的特征匹配，用匹配結(jié)果建立相鄰幀目標中相應特征點的仿射變換，計算得出目標的變換參數(shù)和實際位置。基于均值平移的預測方法縮小了SURF的提取和匹配范圍，降低了運算復雜度，減少了誤匹配的特征點；反過來基于SURF的特征匹配為均值平移方法的參數(shù)更新提供了一個很好的解決