基于MeanShift和塊匹配的目标跟踪技术.docVIP

基于Mean Shift和块匹配的目标跟踪技术 【摘 要】Mean shift算法作为一种非参密度估计算法,目前已被广泛应用于视频运动目标的跟踪。该算法具有运算效率快,对目标变形、旋转不敏感,在部分遮挡的情况下有一定鲁棒性等特点。但该算法跟踪低分辨率视频目标时只能跟踪到部分轮廓。针对此问题，提出了利用Mean Shift和块匹配相结合的方法对目标进行跟踪。该算法在确定主要目标模型与次要目标模型后，首先利用Mean Shift算法跟踪次要目标模型在当前帧的位置，而后利用块匹配的方法跟踪主要目标模型在次要目标模型范围内的确切位置。实验结果表明，该算法对于低分辨率视频目标跟踪的精确度比原算法有很大提高。 【关键词】Mean Shift;块匹配；相关系数； 1 引言 Mean shift算法是一种非参数密度估计算法[1],由Fukunaga于1975年首先提出。其作为一种高效的模式匹配算法,已被成功地应用于实时性要求较高的目标跟踪系统中[2]。Dorm Comaniciu首先将Mean shift算法应用于图像滤波、分割与目标跟踪等领域[3-4]。Bradski提出以颜色直方图为目标模式的Mean shift目标跟踪算法[5]。该算法先利用颜色直方图得到每帧图像的颜色投影图,然后自适应调整搜索窗口的位置和大小,并通过不断收敛将得到的最优中心位置作为目标的中心。另外,Nummiaro等人采