基于颜色特征的目标跟踪算法研究

伴随着机器视觉技术的大力发展,目标跟踪技术在应用和要求等方面都有了进一步提升。基于目标检测的跟踪方法已经很难满足工程实践的需求,由于图像序列之间的关联性,现在更广泛的采用了目标识别和关联的目标跟踪方法。针对基于识别的跟踪方法的研究虽然取得很多成果,但是实践表明,仍然没有一种通用的跟踪算法。对于研究目标跟踪算法的主要目的就是能够开发出一种稳健的、实时的且具有很强适应能力的核心跟踪算法。 Mean-shift算法是一种无参数密度估计算法,在目标跟踪中收敛性好且速度较快,但是由于算法的单峰搜索性质,使得目标跟踪系统在很多情况下表现不够稳健。粒子滤波是用一组具有权值的粒子完全的描述后验概率分布,由于粒子滤波的多峰搜索性质,在稳健性方面优于mean-shift算法的目标跟踪方法,但是计算量较大,目标跟踪的实时性较差。 本论文通过对目标跟踪基本理论的学习研究,选用颜色信息为目标特征,在MATLAB中分别实现了基于颜色特征的mean-shift目标跟踪方法和粒子滤波跟踪方法。最后将两种方法结合在一起,用mean-shift算法收敛粒子的方法代替粒子滤波算法中传统的重采样方法,并在收敛粒子过程中采用自适应的方法对粒子区域进行选择。实验表明,在保证相同跟踪精度的情况下可相应的减少粒子数量,在跟踪速度上有明显的提升。