基于meanshift算法的目標(biāo)跟蹤

《基于meanshift算法的目標(biāo)跟蹤》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、基于MeanShift算法的目標(biāo)跟蹤1算法描述1.1meanshift算法背景meanShift這個(gè)概念是由Fukunage在1975?年提111的，F(xiàn)ukunage等人在一篇尖丁概率密度梯度函數(shù)的佔(zhàn)計(jì)中捉出這一概念。其敁初的含義?:如其名：偏移的均值向S;但隨著理論的發(fā)展，meanshift的含義己經(jīng)發(fā)生了很多變化。如今，我們說的meanShift算法，一般是指一個(gè)迭代的步驟，即先算出當(dāng)前點(diǎn)的偏移均值，然后以此為新的起始點(diǎn)，繼續(xù)移動(dòng)，直到滿足一定的結(jié)束條件。在很長一段時(shí)I川內(nèi)，meanShift算法都沒杏得到足夠的重視，直到199

2、5年另一篇重要論文的發(fā)表。該論文的作者YizongCheng定義了一族核函數(shù)，使得隨卷樣本與被偏移點(diǎn)的距離不同，其偏移暈對(duì)均值偏移M暈的貢獻(xiàn)也不同。其次，他還設(shè)定了一個(gè)權(quán)重系數(shù)，使得不同樣木點(diǎn)的重要性不一樣，這人人擴(kuò)展了meanShift的疢用范喇。此外，還有研究人員將非剛體的跟蹤問題近似為一個(gè)iwanShift的敁優(yōu)化問題，使得跟蹤可以實(shí)時(shí)進(jìn)行。目前，利用meanShift進(jìn)行跟蹤己經(jīng)相當(dāng)成熟。1.2meanshift算法原理Meanshift可以應(yīng)用在很多領(lǐng)域，比如聚類，閣像平滑，圖像分割，還在目標(biāo)跟蹤領(lǐng)域有重要的應(yīng)川。Mean

3、shift跟蹤算沾足通過計(jì)算候選0標(biāo)與0標(biāo)模板之間相似度的概率密度分布，然后利用概率密度梯度下降的方向來獲収匹配搜索的最佳路徑，加速運(yùn)動(dòng)R標(biāo)的定位和降低搜索的時(shí)間，因此其在FI標(biāo)實(shí)時(shí)跟蹤領(lǐng)域有著很高的應(yīng)用價(jià)值。該算法由于采川了統(tǒng)計(jì)特征，因此對(duì)噪聲具奮很好的魯棒性；由于是一個(gè)缶參數(shù)算法,容易作為一個(gè)模塊和其他算法集成：采用核函數(shù)直方閣建模，對(duì)邊緣肌擋、目標(biāo)的旋轉(zhuǎn)、變形以及背景運(yùn)動(dòng)都不敏感；同時(shí)該算法構(gòu)造丫一個(gè)可以用meanshift算法進(jìn)行尋優(yōu)的相似度函數(shù)。Meanshift本質(zhì)上是最陡下降法，因此其求解過程收斂速度快，使得該算法其有

4、很好的實(shí)用性。Meanshift算法的思想足利川概率密度的梯度爬升來尋找局部最優(yōu)。它要做的就是輸入一個(gè)在閣像的范M,然P—直朝著重心迭代,H到滿足你的要求成者達(dá)到迭代最人次數(shù)結(jié)來。在openev中，進(jìn)行meanshiftJt?實(shí)很簡單，輸入一張圖像（imgProb），再輸入一個(gè)7T?始迭代的力*框（windowln）和一個(gè)迭代條件（criteria），輸出的是迭代完成的位置（comp）。這是闌數(shù)原型：intcvMeanShift（constvoid*imgProb,CvRectwindowln，CvTermCriteriacrite

5、ria,CvConnectedComp*comp）參數(shù)介紹：imgProb：M標(biāo)直方圖的反向投影windowln:初試的搜索框Criteria：確定搜索窗口的終止條件Comp：生成的結(jié)構(gòu)，包含收斂的搜索窗U坐稱（comp->rect宇段）與窗U內(nèi)部所存像素的和（comp->arca字段）1.1meanshift算法跟蹤目標(biāo)實(shí)現(xiàn)步驟

6、.首先從攝像頭或者本地文件讀入視頻2.選擇耍跟蹤的物體，程序讀取一幀視頻3.計(jì)算視頻幀的色調(diào)直方圖4.計(jì)算視頻幀的反4投影圖5.輸入反向投影圖和跟蹤矩形框，調(diào)用meanshift算法迭代，尋找局部最優(yōu)解。

7、根據(jù)重心的移動(dòng)，調(diào)整跟蹤矩形框6.讀取K一幀視頻，川當(dāng)前矩形桐作為輸入，重復(fù)執(zhí)行步驟2-51.2meanshift算法實(shí)現(xiàn)過程1在顏色概率分布圖屮選取搜索窗w2計(jì)算零階距：xy汁算一階距：xyxy計(jì)算搜索窗的質(zhì)心：=Af10/A/oo;)’’c=A/則/A/。。3調(diào)整搜索窗大小寬度為s=yjA^oo/256長度為1.2s4移動(dòng)搜索窗的中心到質(zhì)心，如來移動(dòng)距離大于預(yù)設(shè)的同定閾值，則熏復(fù)2)3)4)，直到搜索窗的中心與質(zhì)心間的移動(dòng)距離小于預(yù)設(shè)的岡定閾值，或者循環(huán)運(yùn)P:的次數(shù)達(dá)到某一敁人值,停止計(jì)算。1.1meanshift算法跟蹤效果使

8、用攝像頭跟蹤人的膚色效果如圖1.5.1所示。圖1.5.1對(duì)應(yīng)于圖1.5.1的反向投影圖如下圖1.5.2所示。圖1.5.2點(diǎn)選區(qū)域的像索點(diǎn)直方圖如圖1.5.3所示。圖1.5.3從以上效果圖可以發(fā)現(xiàn)，meanshift算法處理的是HSV屮的色調(diào)分朵。換化話說，就是通過追蹤相同的顏色，而達(dá)到追蹤物體的功能。程序首先計(jì)算點(diǎn)選框里的冇效像索點(diǎn)，通過統(tǒng)計(jì)獲得像素點(diǎn)分布直方圖；然后計(jì)算岀視頻的反向投影圖，即是像素點(diǎn)的概率分布圖。如上圖1.5.2所示，越亮的點(diǎn)就是與原物體越匹配的點(diǎn)，大量的亮點(diǎn)的聚集處就極有可能是需耍跟蹤的物體；最后用矩形框框住當(dāng)前

9、幀中帶跟蹤的物體，如上閣1.5.1所示的結(jié)果。當(dāng)被跟蹤的物體的色調(diào)與背景相似吋，跟蹤就會(huì)失效，如圖1.5.4所示。圖1.5.4品然，當(dāng)背景與被跟蹤物體顏色難以區(qū)分吋跟蹤會(huì)失敗。原因很簡單，meanshift兌法實(shí)現(xiàn)跟蹤的原理就是通過計(jì)