基于均值偏移和粒子滤波的视频目标跟踪算法研究

《基于均值偏移和粒子滤波的视频目标跟踪算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士论文基于均值偏移和粒子滤波的视频目标跟踪算法研究摘要目标跟踪技术是视觉领域研究中的热点问题，广泛应用于视频监控、生物医学、导航制导等领域。而目标运动过程中自身的形变、复杂背景的干扰以及各类噪声、遮挡、光照等因素都会对目标跟踪产生影响。在复杂的现实环境下，有针对性地提高跟踪算法的准确性、鲁棒性与实时性是目标跟踪研究的重点。本文就均值偏移算法和粒子滤波算法在目标跟踪中应用，展开了如下研究：对于均值偏移算法，针对目标尺度变化、遮挡及光线变化等情况提出了相应的改进方法。采取带宽自适应的改进策略，有效地实现了对

2、尺度变化目标的跟踪；在LMS滤波和Kalman预测的基础上，提出自适应滤波MeanShift算法，增强了算法在目标形变和遮挡情况下的鲁棒性；引入基于HSV颜色模型的CamShifl算法，采用运动预测对搜索策略进行改进，提高了算法应对光线变化和目标遮挡等情况的适应性。针对粒子滤波算法，采用相关跟踪和多特征融合的方法对其进行优化改进。采用相关跟踪策略，实现了基于粒子滤波的相关跟踪方法，验证了粒子滤波算法的鲁棒性；融合颜色特征和纹理特征建立观测模型，同时在系统动态模型中加入尺度变量，提出了一种多特征融合的粒子滤

3、波算法，提高了跟踪算法的鲁棒性。对均值偏移算法和粒子滤波算法进行融合，在此基础上对搜索策略进行改进。利用均值偏移算法的聚类作用，将粒子样本收敛在更接近目标的真实位置的区域，把均值偏移理论嵌入到粒子滤波算法中以实现对目标的跟踪；采用Bhattacharyya系数衡量目标跟踪状况，结合搜索策略跟踪目标，对均值偏移与粒子滤波融合算法进行相应的改进，改善了算法的跟踪性能。关键词：目标跟踪，均值偏移，粒子滤波器，卡尔曼滤波，最小均方滤波硕士论文AbstractTargettrackingisahotissueinv

4、isionfield，whichiswidelyusedinvideosurveillance，bio—medicine，inertialguidance，navigationsystemandSOon．W11ilethetargetismoving,thedisadvantagefactorshaveaseriousinfluenceonthetargettracking,suchasthedeformation，theinterferenceofthecomplexbackgroundandvario

5、ustypesofnoise，shelterandlight．Undertherealcomplexcondition，improvingtheaccuracy，robustnessandreal—timeperformanceofthetrackingalgorithmisimportantinthefieldoftargettracking．T11ispaperfocusesontheapplicationofMeanShiftalgorithmandParticleFilteralgorithmin

6、thetargettracking．111emainstudiesareshowedasfollows：Totheconditionofchangingtarget’Sscale，shelteredtargetandchanginglight，animprovedMeanShiftalgorithmisintroduced．Firstly,theadaptivebandwidthMeanShiftalgorithmisadoptedtotrackthetargeteffectivelywhosesizei

7、schanging．Secondly,anadaptivefilterMeanShiftalgorithmbasedonLMSfilterandKalmanpredictionalgorithmisputforward，whichenhancestherobustnessofthealgorithmundertheconditionofthedeformationtargetandtheshelteredtarget．Thirdly,CamShiftalgorithmbasedontheHSVcolorm

8、odelisintroduced．髓emotionpredictionisadoptedtoenhancetheadaptabilityofthetrackalgorithmundertheconditionofchanginglightandshelteredtarget．Correlativetrackingstrategyandmulti—featurefusionisadoptedtoimproveParticleFi