基于Mean Shift的目标平移与旋转跟踪

被引：8

作者：

王长军

朱善安

机构：

[1] 浙江大学电气工程学院

来源：

中国图象图形学报 | 2007年 / 08期

关键词：

梯度方向分布; Bhattacharyya相似度; Mean Shift; 旋转与平移; 目标跟踪;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对目前多数实时跟踪算法只能跟踪目标平移运动,不能跟踪旋转运动的问题,提出一种基于Mean Shift的快速旋转跟踪算法。该算法以目标区域的梯度方向分布(直方图)为特征,构造了可用Mean Shift算法寻优的相似度函数,将旋转跟踪转化为寻优问题,并利用Mean Shift寻优过程收敛速度快的特点,有效跟踪目标旋转。又提出交替迭代的方法,将旋转跟踪与Meer的平移跟踪算法融合起来,构造了可以同时跟踪目标旋转和平移完整跟踪算法。

引用

页码：1367 / 1371

页数：5

共 6 条

[1]

Mean Shift:a robust approach toward feature space analysis. Comaniciu D,Meer P. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1999

[2]

Real-time tracking of non-rigid objects using Mean Shift. Comaniciu D,Ramesh V,Meer P. Proceedings of IEEE Conferenceon Computer Vision and Pattern Recognition . 2000

[3]

Mean Shift,mode seeking,and clustering. Cheng Yi-zong. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1995

[4]

Comparison of Five Color Models in Skin Pixel Classification. Benjamin D,Boaz J,et al. http://www.cs.uic.edu/~super/ratfg1999.pdf .

[5]

Efficient region tracking with parametric models of geometry and illumination. Hager T J,Belhumeur P N. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1998

[6]

Computer Vision Face Tracking For Use in a Perceptual User Interface. Bradski GR. Intel Technology Journal . 1998

← 1 →