域的快速发展,我国已经成立了国家重点实验室,专门用来研究视频跟踪技术。Mean-Shift算法主要是通过有限次迭代,从而做到准确定位目标,很大程度上避免了全局采集,大大减少了时间,如果目标区域已知,该算法完全可以做到实时的跟踪,近几年来被非常广泛的应用在目标跟踪领域。目前有许多科研人员和学者已经在Mean-Shift算法基础上做了大量的的改善工作。因为样本点随机的分布在样本空间,应该如何选取合适的长度与角度以及正确的窗口宽度依旧是Mean-Shift算法需要解决的重要问题。浙大朱胜利等人提出的均值偏移跟踪算法和卡尔曼滤波器互相结合的方法,首先利用卡尔曼滤波器得到其初始位置,接着运用均值漂移跟踪算法来获得跟踪目标移动后的位置,从而可以实现对运动目标的实时跟踪。但是该方法只有在目标线性运动时跟踪效果挺好,一旦处于非线性运动则效果很差。因此,怎样在非线性运动下做到跟踪效果良好,这是一个需要解决的大问题。马丽主要研究的是在跟踪中运动目标被遮挡的问题,并提出了多子块表决与灰度相关匹配相连接的跟踪算法,然后再把粒子滤波算法和Mean-Shift跟踪算法进行有效的结合起来。1.3目标跟踪问题的困扰因素跟踪目标运动的复杂性往往是目标跟踪问题的主要困扰因素,主要表现为多个方面,如下:(1)复杂的背景干扰由于在运动目标的跟踪过程中是以RGB颜色作为模型,因此很容易受到复杂背景的干扰,当目标和背景颜色相似时,容易导致跟踪失败。(2)目标外观的变化运动目标跟踪一般是在不受控制的条件下进行的,各种因素都可能导致跟踪目标外观的变化,如光、角、规模和目标对象,以及形变等因素,所以如果我们想要对目标进行长期有效地跟踪,我们需要合理地处理这些变化。(3)计算的实时性要想研制出来的目标跟踪系统实用性强,则必须做到对运动目标的即时跟踪,这对算法的计算速度提出了强制性要求。算法耗时必须要少,至少做到每采集一帧图像
全文预览
