基于Mean Shift算法的視頻目標(biāo)跟蹤研究.pdf

1、目標(biāo)跟蹤是指在一段視頻序列中尋找與指定目標(biāo)最相似的內(nèi)容，是計(jì)算機(jī)視覺(jué)的一個(gè)重要研究方向。它在智能監(jiān)控、人機(jī)交互、基于目標(biāo)的圖像壓縮和國(guó)防工業(yè)中有著廣泛的應(yīng)用。在視覺(jué)跟蹤領(lǐng)域中，mean shift算法由于其原理簡(jiǎn)單、容易實(shí)現(xiàn)、實(shí)時(shí)性較好和良好的跟蹤性能，近年來(lái)受到了廣泛關(guān)注。
　　 Mean shift算法是一種基于統(tǒng)計(jì)概率密度統(tǒng)計(jì)的梯度上升算法，它出色地解決了相鄰兩幀中運(yùn)動(dòng)目標(biāo)的匹配問(wèn)題，具有快速和有效的特點(diǎn)。在跟蹤的過(guò)程中，

2、被匹配的目標(biāo)通常由用戶在第一幀通過(guò)手工的方式選定，并對(duì)目標(biāo)的顏色進(jìn)行核函數(shù)直方圖建模。在接下來(lái)的視頻序列中，利用Bhattacharyya系數(shù)迭代地計(jì)算候選目標(biāo)與被匹配目標(biāo)的相似性，使得具有最大相似性的候選目標(biāo)位置成為目標(biāo)的最終位置。
　　 但是，由于mean shift算法是對(duì)目標(biāo)的顏色進(jìn)行建模，故當(dāng)目標(biāo)被部分或完全遮擋，或者目標(biāo)在連續(xù)兩幀圖像中沒(méi)有重疊時(shí)，該算法就會(huì)收斂到局部最優(yōu)，造成跟蹤性能下降。由于mean shift算

3、法存在這些方面的不足，mean shift算法通常不作為單獨(dú)的跟蹤算法，而是同別的算法相結(jié)合。
　　 本文將mean shift引入到粒子濾波框架下，結(jié)合粒子濾波在處理目標(biāo)跟蹤時(shí)所具有的非線性、非高斯和多峰特征。提出mean shift算法和粒子濾波的建議分布分別采樣一部分粒子共同決定目標(biāo)的狀態(tài)，如果mean shift采樣的粒子更接近目標(biāo)的真實(shí)狀態(tài)，則將mean shift采樣的粒子替換由建議分布采樣的同等數(shù)目的粒子；反之，則

4、丟棄該部分粒子。這即克服了mean shift算法容易陷入局部最優(yōu)的缺陷，也將當(dāng)前幀的觀測(cè)值信息融入到了粒子濾波，實(shí)現(xiàn)了兩者的優(yōu)勢(shì)互補(bǔ)。此外，針對(duì)跟蹤過(guò)程中目標(biāo)隨著時(shí)間的推移會(huì)出現(xiàn)尺寸的放大或縮小的問(wèn)題，引入了自適應(yīng)窗口更新策略，即搜索窗口和跟蹤窗口都會(huì)隨著目標(biāo)的增大或減小進(jìn)行適當(dāng)?shù)恼{(diào)整，這保證了特征的有效性，從而提高目標(biāo)跟蹤的魯棒性。實(shí)驗(yàn)選用不同的視頻序列對(duì)改進(jìn)的算法作了理論分析和實(shí)驗(yàn)仿真，實(shí)驗(yàn)結(jié)果表明，改進(jìn)的算法不僅能更持久地跟蹤目