meanshift-目标跟踪算法PPT.ppt

《meanshift-目标跟踪算法PPT.ppt》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、目标跟踪——meanshift应用背景1.智能监控2.道路监控系统3.人机交互4.精确制导系统5.医学诊断常用方法静态背景下1.时域差分法2.背景差分法3.光流场法动态背景下1.匹配块法2.光流估计法3.图像匹配法4.运动估计法动态背景下的常用算法1.卡尔曼滤波根据物理学中运动方程来估计目标的位置2.均值漂移根据模板匹配的方法来估计目标位置3.粒子滤波均值漂移概述均值漂移是由Fukunaga1975年提出的一种块匹配的方法图象分割、目标检测、视频跟踪核估计介绍设X1,X2,…Xn是从总体中抽出的独立同

2、分布的样本，X具有未知的密度函数f（x），则f（x）的核估计为：核函数的选择条件K(x)=-K(x)K(x)>0核函数必须为凸函数常见的核函数以上是均匀核、依潘涅契科夫核，双权核、高斯核、双指数核、双依潘涅契科夫核。Epanechnikov核，形式如下：其中Cd为d维单位球的体积。另一种常用的核函数是正态核函数选择核估计的原因1.客服了直方图估计对高维数据的失效性。2.能够比较好的抑制噪声的影响3.增强数据的有效性均值漂移具体步骤1.目标模型的计算定义函数b(xi*)是像素xi*在量化的特征空间的索引

3、号。则特征u=1,…,m在目标模式中出现的概率可表示为：其中k(·)为核函数，即加权函数，δ(·)为Kronecker函数，定义为:2.候选目标的计算：设{xi}是候选目标区域的象素位置，在当前帧中基于图像特征u=1,...,m的候选目标中出现的概率函数可以表示为：其中归一化常数Cy为：在计算过程中，h可以选与目标窗口的像素数。qu和pu(y)就是描述目标和候选目标的特征向量。3.相似度的计算Bhattacharyya系数：描述目标与候选目标的相似程度，该系数越大，目标与候选目标越近似。自适应相似度最

4、大值的计算在当前帧将相似度函数ρ[p(y),q]在目标预测位置y0附近泰勒展开式为：其中：核从当前位置y0移向新的位置y1的计算：其中g(x)=-k'(x)整个算法流程①在当前帧以y0为起点，计算候选目标的特征{pu(y0)}u=1，2…..m;②计算候选目标与目标的相似度：③计算权值{wi}i=1，2…..m④利用Mean-Shift算法，计算目标新位置⑤更新{pu(y1)}u=1，2…..m，计算⑥若,那么y1=(y0+y1)/2,直到⑦若，则停止；否则y0←y1转步骤②。限制条件：新目标中心需位

5、于原目标中心附近。Meanshift优缺点：优点①算法复杂度小；②是无参数算法，易于与其它算法集成；③采用加权直方图建模，对目标小角度旋转、轻微变形和部分遮挡不敏感等。缺点①搜索窗的核函数带宽保持不变②缺乏必要的模板更新算法；③目标的运动不能过快讨论：1.窗函数带宽不变解决方法：基于边界力计算的带宽变化的方法camshift算法3步法2.模板更新解决方法：实时模板更新双系数模板更新3.移动速度的限制：卡尔曼滤波结合openCV中meanshift算法实现Camshift算法中变带宽的计算方法openC

6、V均值漂移1.目标模型色彩空间的选择算法中选用HSV空间中的H分量原因：此空间中的各个分量互相依赖不强此空间更接近人眼的感官方式H分量代表的是最基本的颜色色调只用一种色彩分量，计算简单。2.目标计算⑴直方图的计算对目标区域内做H分量的直方图计算。(2)计算直方图的反向投影(3)利用此反向投影计算整幅图，得到整幅图的反向投影。(4)以y0作为初始中心计算当前帧中窗口的重心坐标。(5)如果

7、

8、y0-y1

9、

10、

11、反向投影呢？2.为什么不计算巴氏系数也能达到跟踪的目的呢？H分量直方图和反向投影原图反向投影H分量直方图重心坐标的计算矩的概念：其中Mjk为f(x，y)的j+k阶矩。物体的重心坐标如下式计算x=M10/M00y=M01/M00Camshift计算窗宽1.当前帧中用的窗比上次计算出来的窗长和宽大20个像素。2.在此窗中计算外界椭圆的各个参数3.重新计算重心坐标4.标记目标外接椭圆各个参数的计算长轴与x轴夹角l为长轴w为短轴椭圆参数计算图黑=0白=255黑=20白=255效果未遮挡情况遮挡旋转情况优点：1

12、.算法简单，可以实时检测2.基本上可以跟踪要跟踪的目标3.在轻微遮挡，变形和旋转的情况下可以实现跟踪缺点1.基于单一的颜色直方图进行跟踪，抗干扰能力差。2.目标的移动速度不能过快3.检测的区域有限抗干扰能力差讨论怎样能提高抗干扰能力?怎样跟踪告诉运动的目标？怎样解决遮挡，形变，旋转问题？谢谢大家！