资源描述：
《基于mean shift和块匹配的目标跟踪技术》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于MeanShift和块匹配的目标跟踪技术【摘要】Meanshift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MeanShift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MeanShift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
2、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】MeanShift;块匹配；相关系数；1引言Meanshift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]。DormComaniciu首先将Meanshift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Meanshift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
3、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等人采用粒子滤波结合Meanshift的方法进行目标跟踪,但是粒子滤波器本身的复杂计算降低了跟踪的实时性[6]。与其他的运动目标跟踪算法相比较,Meanshift算法具有如下特点:1)计算量不大,可以满足实时跟踪要求;2)对运动目标变形、旋转、背景变化不敏感;3)对于部分遮挡情况下的目标跟踪具有一定的鲁棒性;4)Meanshift算法作为一个无参估计算法,很容易作为一个模块与其他算法集成。Meanshift
4、算法也存在以下一些不足:1)缺乏必要的模板更新算法,由于跟踪过程中窗宽的大小保持不变,因此当目标有尺度变化时,可能跟踪失败;2)直方图是一种对目标特征进行描述较弱的方法,当背景和目标的颜色分布较相似时,算法效果欠佳;3)当场景中目标的运动速度很快时,或者当视频图像帧率较低，帧间时间间隔较长时,目标区域在相邻两帧间会出现没有重叠区域的情况,此时目标往往收敛于背景中与目标颜色分布比较相似的物体,而不是场景中的目标。本文针对MeanShift算法在进行低分辨率视频跟踪所表现出来的不足，提出了一种改进算法。该算法在确定主要目标
5、模型与次要目标模型后，首先利用MeanShift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，此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。2MeanShift算法概述Meanshift算法是一种非参数概率密度估计算法,可以通过迭代快速的收敛于概率密度函数的局部极大值。算法的跟踪过程就是不断寻找概率密度局部最大值的过程,其步骤如下:2.1目标模型的描述关于目标模型的描述,首先是目标的初始化,即在起始帧图像中确定被跟踪的目标区域,其可以通过手工选择的方
6、式来确定目标区域,也可以根据运动检测的结果自动选取目标区域。如果目标区域的中心为x0,那么目标模型可以描述为在目标区域上的所有特征值的概率值,该特征值一般指RGB颜色特征或其他特征。用目标模型的特征值u=1,…,m估计的概率密度为其中，K(x)为核函数的轮廓函数,由于目标模型中心附近的像素比外围像素更可靠,因此K(x)对于中心像素给一个大的权值,而对于远离中心的像素则给一个小的权值。b(xi)表示像素xi属于哪种特征值，δ(x)是Delta函数,δ[b(xi)-u]的作用是用于判断目标区域中任一像素xi的颜色值是否等于
7、第u个特征值，若等于，则颜色值为1,否则为0。C是一个标准化的常量系数，使得所有特征值的概率和为1。2.2候选模型的描述运动目标在第2帧及以后的每一帧中，可能包含目标的区域称为候选区域,其中心坐标为y，候选模型的像素特征值u=1,…,m的概率密度为其中,h为带宽参数，MeanShift的跟踪窗口大小依赖于带宽h，Ch为归一化常数,该常数为2.3相似性函数相似性函数用于描述目标模型和候选目标之间的相似程度,可使用Bhattacharyya系数作为相似性函数,即(3)其值在0~1之间。的值越大,表示两个模型越相似。2.4目
8、标定位为使最大,应当先将当前帧的目标中心定位为前一帧中目标中心的位置y0,然后从这一点开始寻找最优匹配的目标,其中心为y1。定位时,先在处对函数(式(3))进行泰勒展开,相似性函数可近似为(4)其中，(5)通过对相似性函数求最大值，可以推导出MeanShift向量(6)MeanShift算法反复迭代，最后得到在当前帧目标的最优位置
