Mean Shift算法是利用特征空间中的密度梯度方向进行迭代搜索,获得局部密度极大值的样本点。由于利用单一颜色特征和整体目标区域建立模型,在目标尺度变化和光线变化情况下鲁棒性较差。传统的MeanShift算法没有模板更新机制,在跟踪过程...Mean Shift算法是利用特征空间中的密度梯度方向进行迭代搜索,获得局部密度极大值的样本点。由于利用单一颜色特征和整体目标区域建立模型,在目标尺度变化和光线变化情况下鲁棒性较差。传统的MeanShift算法没有模板更新机制,在跟踪过程中跟踪的窗口带宽始终不变,这导致了目标再次变化时易跟踪失败。采用对目标进行分块,利用人体的特征,对人体进行分块,并对每块进行纹理和颜色相结合的方式进行建模,形成改进的Mean Shift算法,通过有遮挡情况下的人体跟踪实验,证明改过后的算法大大地提高了跟踪的鲁棒性。展开更多