论文部分内容阅读
动态目标跟踪是机器视觉领域中重要的内容之一,它应用极其广泛,如交通、医学、军事、人机交互等领域。大多数跟踪算法只是针对某一方面的问题。均值漂移跟踪算法是动态目标跟踪中常用的算法之一,由于该算法在目标跟踪的过程中采用颜色直方图的方式对目标进行描述,所以在背景环境比较简单的情况下具有很好的鲁棒性,同时实时性也很好,对变形的目标也具有很好的跟踪效果。但是该算法也有一些缺陷,本文针对其缺陷提出以下的改进:针对均值漂移跟踪算法不能有效跟踪运动速度过快或被严重遮挡的目标的问题,采用了均值漂移与卡尔曼滤波相结合的跟踪算法。改进后的算法基本思想是:目标运动速度过快的情况下,卡尔曼滤波预测本帧目标的位置,均值漂移跟踪算法根据该位置进行迭代,这样不仅迭代次数减少,而且目标不会丢失;目标被遮挡的情况下,卡尔曼滤波器预测本帧中目标的位置,并把该位置当做本帧目标的真实位置,直到卡尔曼滤波预测位置和收敛的最优位置之间的距离小于阈值,这时表示目标没有被遮挡,然后根据均值漂移跟踪算法来对目标进行跟踪。通过两组对比实验表明改进后的算法不仅能够有效地对运动目标进行跟踪,而且实时性也比较好。针对均值漂移跟踪算法核函数带宽始终不变的问题,采用了相应的改进算法,其基本思想是:由于目标逐渐变小,跟踪窗宽相对变大,从而跟踪框内有了更多的背景不利于跟踪,所以提出加减百分之十带宽的方法,窗宽的大小随着目标的变化而变化;目标逐渐变大时,跟踪窗口相对变小,从而导致跟踪宽口在局部地区收敛,此时采用均值漂移算法对形心进行定位,然后再根据特征点匹配进行更新跟踪窗口,通过对比实验表明,改进算法不仅能够有效地跟踪动态目标,而且其跟踪窗口能够随着目标的变化而变化。