摘要:Mean Shift算法是视觉监控领域广泛应用的经典目标跟踪方法,但对于速度过快或尺度变化大的目标的跟踪存在较大的缺陷。针对这一问题,提出了一种基于MeanShift和Kalman方法预测的带宽自适应跟踪算法。该算法提出以Kalman预测目标在下帧中的位置作为Mean Shift迭代初始位置,以高效锁定各类运动目标;同时采用增量试探法自动调节带宽以适应目标的尺度变化。通过对行人和车辆等不同监控对象的实验表明,该跟踪算法具有良好的鲁棒性。
关键词:mean shift 目标跟踪 卡尔曼预测 增量试探
单位:四川大学电气信息学院 四川成都610065 四川大学计算机学院 四川成都610065
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社