Kalman滤波融合优化Mean Shift的目标跟踪算法

摘要：

目标跟踪中，目标的背景变化、形状改变、遮挡，往往会导致跟踪失败，而跟踪的实时性和准确性是必须考虑的问题。本文首先对Mean Shift算法进行了介绍，接着对Mean Shift算法进行了优化：修正Mean Shift算法迭代权值，修正后主要信息贡献更加突出，次要信息受到抑制，避免了开方的繁琐运算，降低了运算量。提出了目标模板更新算法，解决了背景变化和目标形状改变时跟踪失败的问题。然后在水平位置和竖直位置建立Kalman滤波器，同时将优化Mean Shift算法与Kalman滤波融合，解决了目标完全遮挡后无法继续跟踪的问题。仿真实验表明，本文提出的目标跟踪算法在目标遮挡，目标形状改变，目标跟踪失败的情况下具有更高的跟踪精度，更高的实时性和鲁棒性。

关键词：Kalman滤波、Mean Shift算法、目标跟踪、模板更新

分类号：TP391(计算技术、计算机技术)

资助基金：航空科技基金2010ZD30004

在线出版日期：2014-07-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：56-62