基于改进的Meanshift跟踪算法研究

摘要

运动目标跟踪包括对视频序列中的运动目标进行实时监测、分析、提取、跟踪以及行为描述等过程,是一门综合性技术,融合了图像处理、模式识别、人工智能等众多学科技术,在民用和军事应用中均有着广泛的用途。本文在运动目标跟踪中的主要理论方法的基础上进行总结,针对其不足进行适当改善以提高算法的跟踪性能。
　　特征的提取在基于图像的目标跟踪技术研究中发挥着重要的作用,由于角点特征算子在特征匹配中表现出了良好的鲁棒性,而且广泛应用于目标跟踪的meanshift算法在非线性、非高斯系统的状态估计中具有优越性,因此将meanshift与角点特征相结合用于复杂场景的目标跟踪具有重要的研究价值。本文介绍了两种典型的角点特征算子的原理并结合meanshift,提出一种meanshift框架下利用角点特征作为第二特征集修正目标位置的跟踪算法,并结合kalman滤波器、有效的模板选择和更新策略,提高了算法的跟踪精度以及在复杂场景下的自适应能力。
　　在上述研究的基础上,论文针对meanshift在跟踪目标发生大比例缩放的情况下由于缺少模板更新策略存在的不足,提出在建立模板之初加入插值算法,对选定模板进行缩放,建立候选目标模板,并在跟踪过程中选用跟踪效果较好的候选模板为目标模板,以此来削弱目标发生大比例缩放而产生的误差。
　　论文的最后对改进算法的运行效果进行分析,总结论文的创新点,并指出进一步的工作。