基于图像矩信息的CamShift视觉跟踪方法-北京工业大学学报.PDF

基于图像矩信息的CamShift视觉跟踪方法-北京工业大学学报.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于图像矩信息的CamShift视觉跟踪方法-北京工业大学学报

第 38卷 第 1期 北 京 工 业 大 学 学 报 Vo1.38 NO.1 2012年 1月 JOURNALOFBEIJING UNIVERSITY 0FTECHN0L0GY Jan.2012 基于图像矩信息的 CamShift视觉跟踪方法 申铉京,张 博 (吉林大学 计算机科学与技术学院,长春 130012) 摘 要 :为 了适应视觉跟踪过程中 目标形态的变化 ,使用核密度估计对视频序列中的运动 目标进行色彩分布建模 , 运用 CamShift算法进行跟踪 ,并结合图像矩信息确定 目标区域 .采用全局更新策略对 目标色彩分布模型进行实时 更新 ,进一步提高了跟踪的准确性.实验结果表 明,该方法对 目标在平移、旋转 、局部遮挡等不 同运动条件下均可实 现稳定的跟踪 ,克服了尺度变化对跟踪带来的影响,是一种鲁棒性较强的跟踪算法. 关键词:目标跟踪 ;核密度估计;CamShift算法;图像矩 中图分类号 :TP391 文献标志码 :A 文章编号 :0254—0037(2012)01—0105—05 CamShiftTrackerBasedonImageM oments SHENXuan-jing,ZHANGBo (CollegeofComputerScienceandTechnology,JilinUniversity,Changchun130012,China) Abstract:Kerneldensityestimation isfirstused toestablish thecolordistribution modelofamoving targetin video sequencesto adaptthe changeofscale. CamShifl algorithm isthen used totrack the object,anditsregionislocatedbyintegratingimagemoments.Toimprovethetrackingprecision.a globalupdateapproachisappliedtothecolordistributionmodelinrealtime.Experimentalresultsshow thatthemethod,whichhasastrongrobustness,canachievestabletrackingwhenmovingobjectunder theconditionsoftranslation,rotation,andpartialocclusion,andeffectivelyovercometheimpactofscale change. Keywords:objecttracking;kerneldensityestimation;CamShiftalgorithm;imagemoments 视觉跟踪是智能监控领域 内的研究热点,是指 CamShifl视觉跟踪方法.同时运用核密度估计对 目 对视频序列 中的运动 目标进行检测 、提取、识别和跟 标在HSV空间中的H分量建立色彩分布模型,使得 踪 ,以获取 目标运动参数及运动轨迹 的过程 .当 目标在出现局部遮挡情况下,依然可准确地完成跟 前主流的跟踪方法有 MeanShifl算法 、粒子滤波算 踪.实验结果表 明,该方法是一种鲁棒性较强的算 法 等.使用 MeanShifl算法跟踪 目标 ,均值 向量有 法 ,适用于背景变化平稳 、目标单一且颜色分布不是 时会收敛到 Bhattacharyya系数 曲面的局部最优 过于复杂 的环境,与基于灰度模板匹配方法相 比,准 点,使得跟踪失效.粒子滤波算法是一种基于动态 确性更高. 状态空间模

文档评论(0)

magui + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:8140007116000003

1亿VIP精品文档

相关文档