基于Mean Shift和粒子濾波的目標跟蹤.pdf

1、計算機視覺是研究如何使機器能夠具有“視覺”特征的科學?；谟嬎銠C視覺的智能化監(jiān)控系統(tǒng)正廣泛應用于社會生活的各個領域，而運動目標跟蹤技術作為視覺監(jiān)控系統(tǒng)中最不可或缺的環(huán)節(jié)，具有很深遠的研究意義。對于復雜的監(jiān)控場景，面對場景中可能出現(xiàn)的種種干擾以及目標自身的多變性問題，如何進行實時、準確、有效的跟蹤，是目標跟蹤技術研究的重點和難點。本文主要研究了Mean Shift和粒子濾波算法在復雜場景下對單目標和多目標的平穩(wěn)魯棒的跟蹤。
　　運動

2、目標跟蹤系統(tǒng)包括檢測和跟蹤兩個階段。目標檢測是目標跟蹤的基礎，為了提高后續(xù)跟蹤的有效性，本文分析比較了幾種常見的檢測算法，結合它們各自的優(yōu)缺點和實際應用，采用ViBe背景建模法更新背景圖像，利用背景減除法檢測前景目標，結合陰影抑制、形態(tài)學處理、提取連通分量等操作提取出完整的運動目標。
　　針對單目標跟蹤中存在的一些問題，本文在Mean Shift算法的基礎上提出一種基于顏色紋理特征的Mean Shift跟蹤算法，并通過實驗驗證了該

3、算法的有效性和準確性，能夠解決單目標跟蹤中目標的多尺度變化問題，并且能夠克服遮擋以及目標與背景顏色一致時產生的干擾。
　　在對多目標跟蹤的研究中，基于Mean Shift迭代的粒子濾波（PFBMS）算法能很好的解決跟蹤中目標之間的碰撞問題，可應用于多目標跟蹤。針對多目標跟蹤中目標出現(xiàn)、合并、分裂、消失等狀況的隨機性，本文提出了相應的跟蹤策略。并且以檢測階段的ViBe背景模型作為檢測模塊，以PFBMS算法作為跟蹤模塊，實現(xiàn)了基于粒子