基于KDE和Mean Shift的視頻目標(biāo)跟蹤技術(shù)研究.pdf

1、視頻跟蹤主要包含目標(biāo)表示和目標(biāo)定位兩部分。比較常用的目標(biāo)表示方法是顏色核直方圖，它采用核密度估計(jì)（Kernel Density Estimate）方法估計(jì)目標(biāo)的顏色概率密度分布函數(shù)。以顏色核直方圖表示目標(biāo)，我們可以選用不同的目標(biāo)定位方法，比較常用的有均值漂移（Mean Shift，MS）和粒子濾波（Particle Filter，PF）。然而MS方法無(wú)法跟蹤快速運(yùn)動(dòng)的、尺寸變化的、有遮擋的目標(biāo)；PF方法需要大量粒子，跟蹤速度慢。將兩者結(jié)

2、合可以彌補(bǔ)雙方的缺陷。但是，當(dāng)目標(biāo)尺度進(jìn)行非連續(xù)變化時(shí)，由于粒子退化現(xiàn)象，兩者結(jié)合的跟蹤方法也無(wú)法順利跟蹤。
　　 本文提出一種嵌入尺度可變均值漂移的粒子濾波方法，將尺度可變均值漂移算法引入到粒子的擴(kuò)散過(guò)程中，引導(dǎo)粒子擴(kuò)散到后驗(yàn)密度函數(shù)的高密度區(qū)，以減少所需的粒子數(shù)。同時(shí)，利用對(duì)數(shù)極坐標(biāo)圖像的尺度不變性，在粒子擴(kuò)散過(guò)程中指導(dǎo)粒子同時(shí)進(jìn)行位置、尺度空間漂移，從而實(shí)現(xiàn)對(duì)非連續(xù)尺度變化目標(biāo)的跟蹤。單純使用顏色信息表示目標(biāo)，存在著嚴(yán)重缺

3、陷。特別地，當(dāng)目標(biāo)表觀變化較為激烈時(shí)，顏色信息的可靠性下降，這些跟蹤器將會(huì)跟蹤失敗。而融合多種信息表示目標(biāo)，可以彌補(bǔ)這些缺陷。對(duì)此，本文介紹了另一個(gè)跟蹤器，它使用顏色和邊界信息表示目標(biāo)，用梯度下降法搜索得分函數(shù)的極值，得分函數(shù)由顏色得分部分和邊界得分部分組成。接著，通過(guò)多組實(shí)驗(yàn)分析影響該跟蹤器性能的因素。發(fā)現(xiàn)在跟蹤過(guò)程中使用固定的權(quán)重，是使得該跟蹤器在某些情況下跟蹤失敗的主要原因。為了解決這個(gè)問(wèn)題，本文提出一些改進(jìn)策略，包括邊界得分權(quán)重