背景抑制直方图模型的连续自适应均值漂移跟踪算法

针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的叠加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显著性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。

尺度自适应的HLBP纹理特征目标跟踪算法

为解决传统均值漂移跟踪算法难以适应目标的快速性以及尺度变化的问题,提出一种尺度自适应的目标跟踪算法,以HLBP纹理特征(Haar型特性局部二元模式)均值漂移跟踪算法为基础,结合帧差法、最大类间方差法以及形态学处理得到的二值图进行区域生长,确定目标真实大小,更新跟踪框,对搜索结果进行修正。实验结果表明,该算法可以跟踪快速移动的目标,实现尺度自适应,算法复杂度低,有着良好的跟踪性能。

基于多尺度核函数的散乱点云数据过滤方法

针对光滑曲面采样散乱点云含有噪声及异常数据的问题,提出了一种基于多尺度核函数的过滤处理方法。采用核密度估计技术及均值漂移跟踪算法对原始点云数据进行聚类,结合局部似然函数来测度一个三维点位于采样曲面上的概率,利用过滤后的极大似然点集精确地逼近采样曲面,最后结合经典网格化算法能够获得较好的曲面重构效果。处理实例证明,该方法实用性好,不仅能够很好地抑制不同幅值的噪声,同时也能够探测到异常数据并进行自动清除。

Moving Target Tracking Based on LogGabor Wavelet and Mean-shift Algorithm

Tracking moving target from image or video sequence is a hot research topic in computer vision. An algorithm based on LogGabor wavelet and Mean-shift has been proposed for moving target tracking under fixed camera setting and complicated environment. Phase coherency of LogGabor wavelet facilitates to extract the edge of moving target and check noise. According to the edge detection,the starting location of Mean-shift can be estimated using the target center coordinate. Eventually,a real-time moving target can be extracted by doing iterative matching pursuit,and experimental results proved the effectiveness of the method proposed.