基于Mean-shift的稳健性可视跟踪研究

摘要

可视跟踪就是利用图像处理、模式识别的方法发现视频序列中与指定目标图像最相似的部分,在兼顾实时性的基础上提高跟踪算法的稳健性一直是可视跟踪研究中的前沿和热点.本文提出利用目标历史模型和当前匹配位置处得到的观测模型对目标核函数直方图进行Kalman滤波,从而对模型进行及时更新.首次提出把滤波残差作为样本进行假设检验,将其结果作为模型是否需要更新的准则.论证了Mean-shift框架下跟踪变尺度目标的充分条件,提出了"后向跟踪-形心配准"的核窗宽自动选取算法.实验验证了所提方法的有效性.