基于均值偏移算法的運動目標跟蹤研究.pdf

1、運動目標跟蹤屬于計算機視覺中的低層研究范疇，是一種能從圖像信號中實時提取目標位置、自動跟蹤運動目標的技術，它為事件監(jiān)測、行為理解和描述等高級處理提供有價值的信息，在智能監(jiān)控、人機交互、圖像壓縮、三維重構等方面有著非常廣泛的應用。目標跟蹤要求滿足準確性、魯棒性和實時性，Mean Shift算法是一種利用統(tǒng)計學中非參數(shù)密度估計技術，快速有效地沿著密度梯度方向爬升到密度的極大值點的方法，將其應用于目標跟蹤算法具有簡潔實用、能夠處理邊緣噪聲、干

2、擾物體及部分遮擋等復雜情形的優(yōu)點，算法高效且易于模塊化實現(xiàn)。
　　 本文介紹了Mean Shift算法，對算法進行了詳細地推導和算法收斂性證明，介紹了傳統(tǒng)基于Mean Shift的目標跟蹤算法，指出其優(yōu)缺點，并有針對性地對其缺陷做了以下改進：
　　 一、將Mean Shift和Kalman濾波相結(jié)合，Kalman濾波預測目標在本幀的可能位置，Mean Shift算法在該位置領域內(nèi)搜索，有效地解決了傳統(tǒng)Mean Shift

3、算法不能跟蹤快速移動目標的缺陷，而且對遮擋問題也有很好的處理。
　　 二、將Mean Shift和目標檢測算法相結(jié)合，目標檢測算法可在復雜的背景中提取運動目標所在區(qū)域，為Mean Shift算法提供目標大小信息，從而實現(xiàn)Mean Shift的模板與核帶寬的自適應更新。
　　 三、對目標檢測及陰影檢測算法進行了深入研究，不僅對非參數(shù)背景進行改進，使其實現(xiàn)時大大節(jié)約動態(tài)內(nèi)存，還提出一種自適應的陰影抑制算法，使陰影檢測適用于各