基于Mean Shift的視頻目標(biāo)跟蹤算法研究.pdf

1、基于視頻圖像的運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的熱點(diǎn)研究方向，在科學(xué)研究、工程應(yīng)用和生產(chǎn)生活中都具有重要的研究?jī)r(jià)值，其研究成果可以應(yīng)用于智能人機(jī)交互、醫(yī)療診斷、機(jī)器人、智能交通及安全監(jiān)控等領(lǐng)域中。Mean Shift算法是一種沿著概率密度梯度方向?qū)ふ曳€(wěn)態(tài)點(diǎn)的快速而有效的方法，已經(jīng)成為視頻目標(biāo)跟蹤方法的重要研究?jī)?nèi)容。
　　 本文主要研究基于Mean Shift的視頻目標(biāo)跟蹤算法，跟蹤對(duì)象為視頻圖像中感興趣目標(biāo)物體。文中在總結(jié)和分析已有算法

2、基礎(chǔ)上提出了三種改進(jìn)的跟蹤算法：基于顏色和邊緣特征CAM Shift(Continuously Adaptive Mean Shift)目標(biāo)跟蹤算法、帶寬自適應(yīng)Mean Shift目標(biāo)跟蹤算法、多特征帶寬自適應(yīng)Mean Shift目標(biāo)跟蹤算法。算法不但能夠準(zhǔn)確的估計(jì)目標(biāo)位置，還能夠估計(jì)目標(biāo)大小和姿態(tài)方向。
　　 文中主要研究?jī)?nèi)容和成果如下：
　　 1.連續(xù)自適應(yīng)均值漂移(CAM Shift)目標(biāo)跟蹤算法容易受到相似背景顏

3、色干擾和光照變化影響，針對(duì)此問(wèn)題，提出了一種改進(jìn)的CAM Shift目標(biāo)跟蹤算法，此算法的目標(biāo)模型由RGB顏色空間各通道等分加權(quán)后建立直方圖獲得，考慮到顏色易受光照變化等影響，采用目標(biāo)邊緣特征增加目標(biāo)權(quán)重。首先均勻量化顏色空間獲得特征值，并引入空間信息，建立核函數(shù)概率密度估計(jì)的目標(biāo)模型；然后用Sobel算子檢測(cè)目標(biāo)邊緣，分別賦予邊緣和顏色不同的權(quán)重投影生成聯(lián)合概率密度分布圖；最后運(yùn)用CAM Shift算法尋找目標(biāo)。實(shí)驗(yàn)驗(yàn)證了此算法可以在

4、一定光照變化和大面積相似背景顏色干擾下穩(wěn)定有效跟蹤多顏色目標(biāo)。
　　 2.傳統(tǒng)均值漂移(Mean Shift)目標(biāo)跟蹤算法中核函數(shù)帶寬缺乏良好的自適應(yīng)調(diào)整性能，針對(duì)此缺點(diǎn)，提出了一種通過(guò)計(jì)算最優(yōu)目標(biāo)位置區(qū)域內(nèi)概率密度零階矩，從而自適應(yīng)調(diào)整核函數(shù)帶寬的Mean Shift目標(biāo)跟蹤算法。首先將目標(biāo)特征概率在最優(yōu)位置區(qū)域投影生成概率密度分布圖，然后計(jì)算目標(biāo)區(qū)域內(nèi)概率密度零階矩，通過(guò)零階矩的大小調(diào)整跟蹤窗口大小和核函數(shù)帶寬。用橢圓鎖定目

5、標(biāo)，橢圓參數(shù)由概率密度矩運(yùn)算獲得。此算法實(shí)現(xiàn)了復(fù)雜背景下運(yùn)動(dòng)目標(biāo)空間位置、尺度和方向估計(jì)，通過(guò)人臉和車(chē)輛跟蹤實(shí)驗(yàn)驗(yàn)證了此算法的有效性，在目標(biāo)縮放鎖定、姿態(tài)估計(jì)方面較傳統(tǒng)Mean Shift目標(biāo)跟蹤算法具有更強(qiáng)的優(yōu)越性，在相似顏色干擾下較CAM Shift算法具有更好的魯棒性。
　　 3.給出了一種綜合顏色和紋理特征的帶寬自適應(yīng)Mean Shift目標(biāo)跟蹤算法，該算法用顏色和紋理信息創(chuàng)建目標(biāo)特征模型，在最優(yōu)目標(biāo)位置區(qū)域用多特征目標(biāo)