论文部分内容阅读
提出了一种基于粒子Mean Shift迁移过程的红外人体跟踪方法．算法通过采样粒子迁移和聚类动态建立目标的状态模型和量测模型．在被跟踪区域随机布撤粒子，以各粒子对应像素的亮度作为特征值进行Mean Shift收敛性分析，使用收敛后的粒子集表达目标的当前状态；以状态粒子的坐标位置为特征值对其进行Mean Shift聚类，作为对目标的量测．连续跟踪时，下一帧的采样粒子基于上一帧的量测结果产生．与传统的基于序贯重要性采样的粒子滤波方法相比，算法不需要目标的相似性测度计算，仅用少数粒子即可实现对目标的可靠跟踪．