基于改進(jìn)Mean Shift算法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究.pdf

1、作為計(jì)算機(jī)視覺的重要研究分支，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)一直都是機(jī)器視覺領(lǐng)域研究的熱點(diǎn)與重點(diǎn)方向，并廣泛應(yīng)用于智能監(jiān)控、工業(yè)檢測(cè)、軍事探測(cè)與制導(dǎo)、自主車、醫(yī)療檢測(cè)等諸多領(lǐng)域。本文主要研究運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤兩方面內(nèi)容，對(duì)已有技術(shù)方法的不足進(jìn)行改進(jìn)并提出一些創(chuàng)新的解決方法。本文主要工作分為以下三點(diǎn)內(nèi)容:
　　(1)在目標(biāo)檢測(cè)方面，本文提出一種融合LK光流法與Mean Shift算法的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。背景的運(yùn)動(dòng)會(huì)帶來(lái)大量背景噪聲，目標(biāo)的

2、運(yùn)動(dòng)又具有不規(guī)律性，所以傳統(tǒng)光流法根據(jù)研究者經(jīng)驗(yàn)設(shè)定的分割目標(biāo)與背景的閾值存在很大概率的不準(zhǔn)確性，閾值大會(huì)忽略部分目標(biāo)區(qū)域，閾值小又難以抑制背景噪聲，導(dǎo)致目標(biāo)檢測(cè)效果差。根據(jù)視頻序列圖像可知，圖像中大量背景的運(yùn)動(dòng)是一致的，其運(yùn)動(dòng)光流也是一致的;而圖像中目標(biāo)的運(yùn)動(dòng)光流卻與背景的運(yùn)動(dòng)光流既不相同又相對(duì)較少。所以本文設(shè)想借助MeanShift算法的梯度搜索原理直接找出大量具有相同特點(diǎn)的背景運(yùn)動(dòng)光流，將其作為閾值來(lái)分割目標(biāo)光流與背景光流，而把與

3、背景不相同的光流認(rèn)定是目標(biāo)的光流，從而精確地分割出背景與目標(biāo)，解決了漏檢問題和抑制了背景噪聲，高效地實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)檢測(cè)。
　　(2)在目標(biāo)跟蹤方面，本文在Mean Shift目標(biāo)跟蹤算法的基礎(chǔ)上加以改進(jìn)，提出一種自適應(yīng)Mean Shift算法的多特征運(yùn)動(dòng)目標(biāo)跟蹤。針對(duì)運(yùn)動(dòng)目標(biāo)因遠(yuǎn)離或靠近攝像機(jī)而發(fā)生尺寸大小變化，Mean Shift算法的固定核窗口搜索方法存在一定局限性的問題，本文創(chuàng)新的提出一種基于邊緣特性的核窗口自動(dòng)調(diào)節(jié)方法，利

4、用邊緣檢測(cè)求出以目標(biāo)為中心，略大于Mean Shift核半徑區(qū)域的二值圖像，根據(jù)二值圖像的形心，用逐步縮小的圓逼近目標(biāo)的辦法求出適合真實(shí)目標(biāo)的Mean Shift核窗口半徑，這就達(dá)到了自動(dòng)調(diào)節(jié)核函數(shù)半徑的目的;針對(duì)Mean Shift算法目標(biāo)模型的描述易受到光照變化影響的問題，本文建立了一種顏色特征與紋理信息特征共同描述且可更新的目標(biāo)模型，更新的模型是在每次搜索到當(dāng)前幀時(shí)，以當(dāng)前目標(biāo)位置為中心，以更新后的核窗口半徑為半徑的范圍內(nèi)建立的。

5、兩方面的改進(jìn)綜合解決了目標(biāo)大小、亮度變化帶來(lái)的影響，使跟蹤更精準(zhǔn)。
　　(3)針對(duì)目標(biāo)小而運(yùn)動(dòng)速度快的跟蹤問題，本文提出一種結(jié)合MeanShift和粒子濾波的快速運(yùn)動(dòng)目標(biāo)跟蹤方法。由于粒子濾波跟蹤會(huì)出現(xiàn)粒子匱乏的問題，所以本文先利用Mean Shift搜索到大致目標(biāo)的區(qū)域，再利用粒子濾波方法精確跟蹤目標(biāo)，這樣使浪費(fèi)的粒子減少，接近真實(shí)目標(biāo)的權(quán)值大的粒子數(shù)增多，從而解決粒子濾波的粒子匱乏問題，進(jìn)而可以高效的應(yīng)用到目標(biāo)小而運(yùn)動(dòng)速度快的