论文部分内容阅读
目标检测与跟踪在计算机视觉领域一直是一个非常重要的研究课题,Mean Shift是非常好的一个目标检测跟踪算法,但是针对Mean Shift算法对目标被大部分遮挡时的情况,本文研究了将Mean Shift算法结合卡尔曼滤波器的改进目标检测与跟踪算法,通过将此算法移植到OMAP3530平台上,完成了一个独立的目标检测与跟踪系统。Mean Shift算法采用核颜色直方图作为描述目标的模型,此核函数有较好的实用性和鲁棒性,对于目标物体的形变和小部分的遮挡并不敏感,因此本课题引入Mean Shift算法进行对目标物体的检测。在特殊情况下,如目标大部分被覆盖或运动目标的速度很快,若单纯使用Mean Shift算法将无法达到准确检测到目标的目的,从而导致跟踪失效,经研究发现,融合了卡尔曼滤波器Mean Shift算法在处理此类问题时具有很好的处理效果,本文介绍了卡尔曼滤波器的应用原理并描述了如何将滤波器融合到Mean Shift算法中的具体步骤,此方法实现了对被遮挡目标的跟踪检测,取得了很好的跟踪效果,使得Mean Shift算法的适用性更加广泛,解决的问题更加复杂。本文介绍了OMAP3530硬件平台,然后详细介绍了linux系统的构建与算法的移植,通过实验结果分析,Mean Shift与卡尔曼滤波器相结合的目标检测与跟踪算法运行稳定,执行效率高,通过对不同情况的视频进行实验,通过实验结果分析,相对于单一的MeanShift算法,改进后的算法运行效率可以提高15%。最后将算法移植到OMAP3530平台上。