适用于多目标跟踪的MSPF算法研究

针对背景发生变化和目标遮挡时多目标跟踪的实时效果差和准确性低的问题,提出了均值漂移与粒子滤波相融合(Mean shiftparticle filter,MSPF)多目标跟踪算法.在PF理论框架下,使用均值漂移对随机粒子样本进行重新分配,使粒子向目标状态的最大后验核密度估计方向移动,在均值漂移迭代过程中对样本权值进行更新;最后利用均值漂移算法的迭代运算和运动目标前一帧和当前帧的关系得到目标在下一帧的位置.实验结果表明该算法和传统的均值漂移算法相比具有更准确的跟踪结果,对于背景更新和目标遮挡的视频序列具有更强的鲁棒性.