結(jié)合射影幾何的Mean-shift目標(biāo)跟蹤算法研究.pdf

1、目標(biāo)跟蹤利用目標(biāo)在移動過程中圖像的關(guān)聯(lián)性來實現(xiàn)對物體的跟蹤，是計算機視覺領(lǐng)域的一個關(guān)鍵問題。它被廣泛應(yīng)用在各種場合，例如視頻監(jiān)控，人機接口，增強現(xiàn)實等。近年來，大量的目標(biāo)跟蹤算法被提出來，其中比較典型的有粒子濾波，Mean-shift，卡爾曼濾波，基于特征點的光流法等。在這些算法中，Mean-shift算法以其良好的實時性和無參數(shù)模型等特點受到了廣泛的關(guān)注。
　　 本文對基于Mean-shift算法的目標(biāo)跟蹤進(jìn)行了研究。Mean

2、-shift算法是一種基于概率密度統(tǒng)計的方法，是一種無參概率模型，它根據(jù)目標(biāo)的特征概率密度統(tǒng)計得到目標(biāo)均值漂移向量。此算法需首先得到目標(biāo)的模板，建立目標(biāo)的統(tǒng)計直方圖，在本文中我們是在第一幀中手動選取目標(biāo)。得到目標(biāo)的初始模板后，Mean-shift算法對接下來每一幀的目標(biāo)候選區(qū)域建立直方圖，再根據(jù)Bhattacharya相似度，迭代搜索與目標(biāo)模型匹配的最佳區(qū)域。這個過程使得Mean-shift算法具有良好的實時性，對遮擋，目標(biāo)變形等具有很

3、好的魯棒性。但是此算法也存在一些不足，比如在迭代過程中，當(dāng)目標(biāo)在圖像上的大小逐漸變化時，Mean-shift算法不能自適應(yīng)地更新跟蹤窗口的大小。使得算法性能大打折扣，在一些情況下甚至出現(xiàn)嚴(yán)重的錯誤。為了讓Mean-shift算法能自適應(yīng)地更新跟蹤窗口，本文引入射影幾何知識，通過求得場景成像時的射影幾何信息來更新跟蹤窗大小。該算法通過得到目標(biāo)所在平面的滅線和與此面垂直方向上的滅點，得到場景幾何信息。第一幀的目標(biāo)大小手動獲得，根據(jù)此射影幾何