基于特征融合的均值偏移目標跟蹤算法

高瑞華，楊 欣

(南京航空航天大學 自動化學院，江蘇 南京 210016)

運動目標檢測與跟蹤是智能監(jiān)視系統(tǒng)的基礎(chǔ)，是各種后續(xù)處理的前提，如目標分類、行為理解等.運動目標檢測是指從視頻流中實時提取目標，一般是確定目標所在區(qū)域等.運動目標的跟蹤主要由目標識別與目標匹配兩部分組成，在識別的過程中，利用目標檢測的關(guān)鍵技術(shù)確定每一幀圖像的目標位置，匹配的過程更為關(guān)鍵，需要考慮前景目標的固有屬性及匹配是否適應的匹配算法.本文基于圖像匹配來實現(xiàn)對運動目標的跟蹤，而此類方法大致分為5類：基于特征的運動目標跟蹤算法、基于區(qū)域的運動目標跟蹤算法、基于模型的運動目標跟蹤算法、基于運動估計的目標跟蹤算法及基于頻域的運動目標跟蹤算法[1].

20世紀70年代, Fukunaga和Hosteler[2]提出了均值偏移(Meanshift)算法，它是一種無參密度估計法.均值偏移算法的含義是均值偏移向量，它使每一個點“漂移”到密度函數(shù)的局部極大值點.但是均值偏移算法在當時并沒有得到廣泛的重視，直到1995年，Cheng Yi-zong[3]對該算法做了2方面的改進，首先定義了一族核函數(shù)；其次設(shè)置了一族權(quán)重系數(shù)，通過定義的核函數(shù),可以看出偏移量對均值轉(zhuǎn)移量的貢獻，然后基于權(quán)重系數(shù)大小，使得不同的樣本點的重要性不同.通過改進，該算法得到了重視和廣泛應用.但均值偏移算法中顏色直方圖是對目標特征一種比較弱的描述，當有遮擋等干擾時，算法效果欠佳.基于……