一种基于MeanShift的目标跟踪算法的研究

摘要

自从电子计算机问世之后,智能化工具越来越多的提高的人们的生活水平和生产效率,传统的人工已经逐步被其代替。近年来,由于人们对自身和公共安全以及其他方面的考虑,动态视频序列中运动目标的检测在视频监视系统、交通自动监控、目标检测与跟踪、目标识别等领域有着十分重要的应用。
　　 视频中的目标由于其运动性及周围环境的影响,使得对目标的跟踪算法越来越受到人们的关注。对于目标视频的提取,是由摄像头来实现的,由于摄像头的可动性,目标的跟踪算法分为两个方向:1、静态背景下的目标跟踪;2、动态背景下的目标跟踪。而这两种跟踪算法又有很大的不同。前者由于变化的只是需要跟踪的目标,而背景基本保持不变,所以更多的是利用以背景差分法为基础的;后者是在摄像头随时转动的情况下达到对目标跟踪的目的,由于摄像头的变化导致了背景的变化,此时静态背景下的目标跟踪算法就失去跟踪效果,因此需要寻找一种新的算法达到跟踪的目的。
　　 在动态背景下的目标跟踪更多是基于MeanShift(均值漂移)而研究的算法,论文首先对当前跟踪算法的发展进行简单的介绍,为本文研究内容提供一个理论基础及研究背景。
　　 论文的第二部分简要的介绍下静态背景下的目标跟踪的实现所用的方法,以更好的了解和区分动态背景下目标跟踪的不同,同时给出静态背景下的仿真结果。
　　 论文的第三部分阐明动态背景算法基础所用到的MeanShift理论,这是研究动态背景下目标跟踪的最基础理论,以更好的从数学理论方面理解此种情况下,目标跟踪的方法。
　　 由于基本的跟踪方法并不能完全满足对目标跟踪的准确性,因此通过用kalman与MS结合的方法,提高对目标跟踪的准确性,论文的第四部分就主要介绍kalman基本理论。
　　 针对前两章对目标跟踪的缺点,作者提出了一种改进的算法,来提高算法的准确性,以更好的完成在动态背景下运动目标的跟踪。同时将三种跟踪方法进行了实验仿真,比较了结果,对跟踪效果给以直观的描述。
　　 本文最后对自己的工作做了总结,指出存在的问题和进一步的研究的思路。