基于MeanShift算法跟踪视频中运动目标.pdf

　第 42 卷第 1 期 ( ) Vol42 No 1 郑 州 大 学 学 报 理 学 版 　 20 10 年 3 月 J . Zhengzhou U niv . (N at . Sci . Ed . ) Mar 20 10 基于 Mean Shif t 算法跟踪视频中运动 目标 1 1 2 何志勇 , 　蔡乐才 , 　许继家 ( 1. 四川理工学院 计算机学院　四川 自贡 643000 ; 2 . 四川理工学院 自动化与电子信息学院　四川 自贡 643000) 摘要 : 针对 Mean Shift 算法在视频中跟踪 目标与背景的像素差值不明显时跟踪效果不佳 ,提出了 Mean Shift 改进 算法. 实验表明 ,该算法能有效 、准确地跟踪视频中的运动 目标 ,计算量小 ,可以满足实时性要求高的场合. 关键词 : 视频跟踪 ; Mean Shift 算法 ; Ep anechnikov 核 ; 密度估计 ( ) 中图分类号 : TP 39 1. 4 1 　　　　　文献标识码 : A 　　　　　文章编号 : 167 1 - 684 1 20 10 0 1 - 0038 - 03 0 　引言 Mean Shift 最早是由 Fukunaga 等提出来的 , 最初含义就是偏移的均值 向量[ 1 ] . 随着 Mean Shift 理 论[23 ] 的发展 ,Mean Shift 的含义也发生了变化. Cheng[4 ] 对基本的 Mean Shift 算法在 2 方面做了推广 ,首先 定义了一族核函数 ,随着样本与被偏移点的距离不同 ,其偏移量对均值偏移向量的贡献也不同;还设定了一 [ 5 ] 个权重系数 ,使不同的样本点重要性不一样 ,扩大了 Mean Shift 的适用范围 . 本文详细分析了 Mean Shift 的基本思想 ,给出其扩展以及算法步骤 ,并在视频文件中对运动的小车进 行跟踪实验 ,得出 Mean Shift 在视频跟踪中实时性高 ,能够有效地跟踪视频中的运动 目标. 1 　密度估计 [ 6 ] 密度估计 就是从一组未知概率密度分布的观测值中估计出其满足的概率密度分布. 通常有参量法和 ( ) 非参量法 2 种方法. 参量法是假设数据点是由已知分布 如高斯分布 产生的 ,然后由已知分布去近似要求分 布. 而非参量法不在已知各分布中找与其相近的分布 ,这样估计出来的概率密度分布更加准确. 非参量密度 [ 7 ] 估计的方法很多 ,如直方图法 、最邻近法 、核密度估计 方法等 ,其中核密度估计是