和函数带宽自适应的Meanshift目标跟踪演算法.ppt

組員：蔡忠穎（G990E013） 黃建彰（G990E008） 指導老師：蔡政穆 教授 摘要 Mean shift 演算法概述 核函數帶寬選擇的特點 核函數帶寬自我調整的 Mean shift 演算法 實驗結果與分析 針對Mean shift 核函數帶寬不能即時改變的缺陷，提出一種仿射變換下的核函數帶寬可變的Mean shift跟蹤演算法。 改善了Mean shift 演算法在目標尺寸變化時的跟蹤效果。 Mean shift 演算法是一種半自動跟蹤方法，以兩個分佈的相似性最大為原則，使搜索視窗沿密度增加最大的方向移動，得到目標的真實位置。 Region of interest Center of mass Mean Shift vector Objective : Find the densest region Region of interest Center of mass Mean Shift vector Objective : Find the densest region Region of interest Center of mass Mean Shift vector Objective : Find the densest region Region of interest Center of mass Mean Shift vector Objective : Find the densest region Region of interest Center of mass Mean Shift vector Objective : Find the densest region Region of interest Center of mass Mean Shift vector Objective : Find the densest region Region of interest Center of mass Objective : Find the densest region Comaniciu 等用遺忘因數法得到帶寬大小。這種方法可以使視窗尺寸不斷變大並且有能力終止繼續變大，但是當視窗開始變小時，可能沒有能力阻止尺寸繼續變小，從而失去對目標的跟蹤。 Collins將Lindbeger的圖像多尺度理論應用與Mean shift 演算法中，其核函數是兩個子核的乘積，所以演算法的計算量較大，無法做到即時跟蹤。 k、θ 和 b 分別表示目標的比例縮放、旋轉和平移參數。 END