Mean Shift算法在运动目标检测与跟踪中的研究.pdfVIP

文章编号：1007—1423(2015)08—0038—04 DOI：10．3969／j．issn．1007—1423．2015．08．009 MeanShift算法在运动 目标检测与跟踪中的研究 李国强．陈蒲阳 (桂林 电子科技大学，桂林 541004) 摘要 ： 运动行人的检测与跟踪技术已经成为智能视频监控中的关键性技术，是计算机视觉领域研究的一个重要领域。传统 的视频监控技术应用虽然广泛 ，但是智能性不足、应用效率较低 。针对摄像头固定情况下的运动行人跟踪进行研究 ． 引入一种应用效果较好的MeanShift算法 ，与 目标区域灰度直方图结合 ．进行运动 目标的检测跟踪 ，在 Visua1Studio 2010和OpenCV2．4．4中对本算法进行仿真，从仿真结果中得出系统可以较好地实现对运动行人的检测与跟踪。 关键词 ： 目标检测；运动跟踪；MeanShift；图像处理 0 引言 可避免的问题 运动 目标检测与跟踪的 目的就是确定当前帧图像 随着经济的不断发展。人民生活水平的迅猛提高． 中的运动 目标在下一帧图像中的位置 ．在跟踪过程中 现代社会对安防的要求越来越高 这也给智能监控和 最大的问题就是当运动 目标相互遮挡时 目标信息容易 身份识别技术带来了巨大的发展机遇和挑战 在许多 丢失从而导致跟踪失败 。针对此种固定场景的情况 ．目 场合，如人 口密集区的检测 ，银行、证券交易所等重要 前卡尔曼滤波 以及基于卡尔曼滤波的 目标跟踪算法 已 场所的安防，仅仅只是对运动的物体感兴趣 ．所有运动 经在各个领域得到广泛应用 ．但是卡尔曼滤波有一定 目标的检测与跟踪 目前已经成为了应用视觉领域一个 的限制条件．首先需要系统为精确的数学模型 ．并且要 重要的研究方 向．具有重大的实用价值和广阔的发展 假设系统为线性 ．噪声信号为高斯噪声 ．且噪声统计特 前景。而随着多媒体技术的飞速发展与计算机性能的 性已知，然而 ，在实际应用中，系统状态为高动态情况 提高与集成化工艺的提升．基于图像处理的智能监控 下．将会不可避免地产生较大的噪声误差．导致状态预 技术得到 了广泛应用。运动 目标的检测与跟踪是一切 测不准确 ．环境与使用条件的复杂多变 ．系统噪声以及 智能场景分析与监控的基础核心 ．而运动的人体 目标 观察噪声统计特性的不确定性．也会导致卡尔曼滤波 是一个特殊的 目标群体．更是运动 目标检测跟踪领域 器性能下降 中一个典型的研究对象 MeanShift是一种鲁棒的特征空间分析方法．基于 目前一般的运动 目标检测方法有 ：帧问差分法、背 此算法的 目标跟踪具有易于实现、实时、鲁棒等特点， 景差分法 、光流法；跟踪算法主要有基于特征、区域、活