基于均值漂移的目標(biāo)跟蹤算法研究.pdf

1、近些年來，智能視頻監(jiān)控系統(tǒng)在生活中日益突顯出其重要性，它也是計算機(jī)視覺領(lǐng)域中一個重要的研究方向，其主要工作是從監(jiān)控的視頻流中檢測、識別和跟蹤感興趣的運(yùn)動目標(biāo)，進(jìn)而對其進(jìn)行行為分析和語義理解。運(yùn)動目標(biāo)跟蹤是智能視頻監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)，能否有效地跟蹤感興趣目標(biāo)是衡量監(jiān)控系統(tǒng)優(yōu)劣的一個重要指標(biāo)，因而它具有重要的研究價值。
　　均值漂移算法是一種基于核函數(shù)的無參數(shù)估計算法，它不需要先驗知識，收斂速度快，可實現(xiàn)實時跟蹤，因而近年來吸引了許

2、多研究人員的興趣。然而，均值漂移還存在一系列問題需要解決，才能使之真正投入實際應(yīng)用。為此，本文以均值漂移技術(shù)為中心展開一系列目標(biāo)跟蹤算法的研究，以便進(jìn)一步改善跟蹤的性能。本文的研究和創(chuàng)新工作如下所示：
　?。?）深入研究多特征融合的均值漂移（Mean Shift）目標(biāo)跟蹤算法，融合局部三值模式（LTP）紋理特征的Mean Shift算法使用紋理和顏色信息作為目標(biāo)的表示形式，對光照變化具有一定的魯棒性，但是由于LTP算法使用固定閾值

3、計算紋理特征，因而易受噪聲的影響。因此，本文提出使用最小平方中值（LMedS）算法估算自適應(yīng)閾值的LTP算法，并使用階距思想來估計目標(biāo)窗寬。實驗證明了該算法的有效性。
　?。?）提出了一種改進(jìn)的背景加權(quán)Mean Shift算法。目標(biāo)框中的背景信息會干擾目標(biāo)的準(zhǔn)確定位，背景加權(quán)算法能夠有效地抑制背景主分量信息，但是恒定的或閾值判決變化的背景直方圖不能有效地表示實時變化的背景，因而本文采用實時更新的背景直方圖，并使用卡爾曼（Kalma

4、n）濾波算法進(jìn)行目標(biāo)預(yù)定位。實驗結(jié)果表明該算法更能降低目標(biāo)框中背景的特征，增強(qiáng)目標(biāo)特征的凸特性，并能實現(xiàn)目標(biāo)的快速準(zhǔn)確定位。
　　（3）Mean Shift對快速運(yùn)動目標(biāo)和非高斯噪聲的環(huán)境下的跟蹤有局限性，粒子濾波算法可以用在任意狀態(tài)空間模型上，但是需要大量的樣本數(shù)量才能實現(xiàn)有效跟蹤。本文使用Mean Shift算法使每個粒子迭代到局部最大值處，因而可以降低粒子數(shù)量，同時當(dāng)目標(biāo)嚴(yán)重遮擋時，關(guān)閉Mean Shift算法，只采用粒子濾