论文部分内容阅读
目标跟踪是计算机视觉领域中最具挑战性的课题之一,它融合了图像处理、人工智能、模式识别和自动控制等领域的先进技术,在视频监控、人机交互、图像压缩等方面都有着广泛的应用。目标跟踪算法主要是研究如何预测和识别目标,达到快速、准确的定位目标。
本文首先介绍了目标跟踪的总体框架以及在总体框架下经常使用的算法,并分析相关算法的优缺点。本文主要研究了背景干扰和遮挡情况下的目标跟踪,重点研究了均值移动算法和粒子滤波算法,提出并实现了改进的相关算法。
第三章研究了传统的均值移动算法及其改进的自适应均值移动算法,在自适应均值移动算法的基础上提出了“CamShift扩展因子”,并引入Kalman滤波器进行目标位置、大小进行预测,结合CamShift算法使得算法在部分相同背景颜色干扰和短暂的完全遮挡下仍然能够很好的跟踪。
第四章研究了另外一个该领域的核心算法—粒子滤波算法,并实现了基于颜色直方图的粒子滤波算法,由于颜色直方图的相似度匹配不是很精确,本文改进了重采样机制,使得粒子在没有严重的衰退和枯竭的条件下,大大的提高了算法的抗干扰性。为了能更好的描述粒子和目标之间的相似度,本文提出了基于混合高斯模型的粒子滤波算法,即用混合高斯模型来对目标进行建模后嵌入到粒子滤波算法中去。