论文部分内容阅读
对传统的Mean Shift算法进行了改进,加入了前期预处理,包括特征选择与分类,提高了复杂场景中目标的鲁棒性。传统的Mean Shift算法固定的使用一个或两个特征(比如颜色)对目标进行跟踪,当跟踪场景发生变化,容易跟踪失败。我们通过选择目标与背景区别度最大的特征,同时定义显著特征与非显著特征,实现了对复杂变化场景中目标更为鲁棒的跟踪。通过对多组数据进行实验,证实了该算法的可靠性。