[ 高级搜索 ]
·揭秘多元化高考安防 ·无线针孔摄像头知识介绍 ·GB/T 28181-2011《修改补充文件》 ·平安校园—安防行业下一个增长点 ·聚焦马航、昆明事件中的安防监控系 [更多...]
 当前位置:安防频道首页 >> 安防论文
视频监控中采用Mean Shift的运动目标跟踪算法
2014-02-28 16:51:22  作者:张惊雷 游雪峰   来源:制造业自动化   
  •   由于传统的KaIman滤波方法在非线性、非高斯跟踪问题上的不足,为满足智能监控系统对运动目标准确跟踪的需求,提出了一种改进的自适应MeanShlft算法。该算法利用Bhattacharrya距离来度量颜色模型之间的相似度,通过几次迭代运算定位目标并实现目标的准确跟踪,通过自适应调整跟踪窗口大小,提高了跟踪的实时性和鲁棒性。利用改进的MeanShift算法对行人与车辆目标分别进行了跟踪实验,实验结果表明,本文方法对刚体与非刚体目标的跟踪比传统的Kalman滤波方法具有更好的实时性和准确性。

  0 引言

  目标跟踪是图像处理和计算机视觉领域的热点研究内容之一,它在智能人机交互、医疗诊断、智能视频监控等领域中有着广泛的应用。目标跟踪方法一般分为基于相关的目标跟踪和基于特征的目标跟踪两类。在视频监控场景中,对运动目标的跟踪大多采用的是基于特征的跟踪方 。

  经典的Kalman滤波方法 适用于处理线性、高斯型的问题。然而实际视频监控场景中许多因素可能导致非线性、非高斯分布的出现, 比如图像噪声、目标复杂运动、光照变化、相似干扰等,跟踪问题往往是非线性、非高斯的。因此经典的Kalman滤波方法对于行人、车辆等运动目标的跟踪具有局限性, 一些新的跟踪方法不断被提出来。其中基于Mean Shift的目标跟踪算法因具有实时性、鲁棒性和易于实现等特点,在对行人及车辆等运动目标的跟踪中取得了较为理想的效果瞄 。

  Mean Shift采用核概率密度来描述目标的特征,其本质上是一种具有线性收敛性的梯度下降算法。Fukunaga等最早提出了Mean Shift的概念 。Cheng在1995年对它进行了改进,定义了一簇核函数,使得不同的样本点对均值偏移向量的贡献不一样。Comaniciu等成功将它应用到图像分割和目标跟踪领域 J。本文采用改进的自适应Mean Shift算法对运动目标进行跟踪,并与传统的Kalman滤波方法进行对比。实验验证表明, 本文方法对刚体与非刚体目标跟踪都具有较好的实时性、准确性。实际道路车辆检测结果表明,本文方法对车辆目标的跟踪的准确率比传统的Kalman滤波方法要高。

  1 Mean Shift原理

  1.1基本Mean Shift

  Mean Shift算法一般可以描述为:给定d维空间 中的n个样本点,xi,i=1,...n,x点的MeanShift向量则定义为:

[附件:点击下载]

关于我们赛尔传媒联系我们网站地图
Copyright © 2005-2016 shejis.com.All Rights Reserved 京ICP备14009797号-5 京公网安备:11010802022333