基于Hu不变矩相似关联度的Mean-shift运动跟踪算法研究

摘要

目标跟踪作为计算机视觉研究的重要方向,具备良好的发展前景。针对传统Mean-shift跟踪算法在目标存在背景干扰或遇到遮挡时,目标跟踪框不准确以及目标丢失的现状进行了相关研究。结合目标特征建模优势,提出了基于Hu不变矩相似关联度的Mean-shift运动跟踪算法。该算法采用Hu不变矩特征描述子提取目标特征向量矩进行建模,并由目标位移矢量拟合预估Mean-shift初始迭代搜索的位置。通过Pearson相关系数度量目标特征矩与候选特征矩之间关联度,并结合8步态迭代搜索的方式定位运动目标,实现了目标跟踪。试验表明,当目标存在遮挡时,该算法依然能够进行有效跟踪定位,有效地改善了复杂条件下跟踪框BBox与真实值(GT)之间的交并比(IOU)值,减少了目标搜索时的迭代次数,具有较好的鲁棒性。