基于改进的颜色特征和直方图更新的Mean-Shift算法

为了提高复杂环境下智能视频监控对运动目标跟踪的可靠性,提出一种基于改进的颜色特征和直方图更新的Mean-Shift跟踪算法.该算法利用像素点局部颜色变化作为跟踪目标像素点特征,弥补单一颜色值特征对目标表征的不足;并根据Mean-Shift跟踪结果和目标匹配程度对目标直方图进行更新,保证在目标姿态和大小发生变化时目标特征直方图的有效性.实验结果表明:与传统Mean-Shift算法相比,改进的颜色特征减小了相似背景像素对运动目标的干扰,目标直方图的更新提高了Mean-Shift算法对目标姿态和大小改变的鲁棒性.算法提高了基于颜色特征的Mean-Shift算法对复杂环境中运动目标进行实时跟踪的可靠性.

基于Mean-Shift的复杂工业环境运动目标跟踪算法

随着近年来计算机及成像技术的高速发展,视频运动目标检测和跟踪已成为计算机视觉领域的一个研究热点。由于运动目标与摄像头位置的相对变化、室内光照的变化及噪声的存在,以及周围环境中相似物体的干扰,传统的Mean-Shift跟踪算法的跟踪效率、准确性和抗干扰能力均无法满足该应用的需要。为了解决这一问题,在传统Mean-Shift跟踪算法基础之上,提出了颜色直方图更新算法、运动信息融合等改进方案,在Mean-Shift迭代搜索过程中加入了速度矢量加权机制,使目标与相似背景能够有效地被区分开来,提高了系统的抗干扰能力。仿真实验结果表明算法有效提高了跟踪的效率及准确性,能够满足复杂工业环境中运动目标跟踪的需要。