基于状态预估Mean Shift的人体目标追踪研究

摘要：

为了更加准确的提取运动人体目标的特征和运动趋势,优化追踪效果,提出基于状态预估Mean Shift算法的运动人体目标追踪方法.首先采用卡尔曼滤波器预测当前运动人体目标的中心位置,通过监测器监测图像当前帧预测的子窗口是否为追踪目标,并利用马尔科夫模型对目标运动方向进行预估,增强运动人体目标的辨别能力.然后通过Mean Shift算法获得需要跟踪的初始化目标窗口,利用核函数加权算法计算目标窗口的像素空间分布,并选择出下一帧图像的滑动窗口位置,以模型相似度为原则利用相似性函数进行度量,最后对运动人体目标不断迭代达到收敛点,从而实现目标跟踪.实验结果表明,上述方法可以避免背景和噪音对运动人体追踪的影响,通过对三种评价指标的对比分析,所提方法对运动人体跟踪的准确率可高达约92.6％,且目标跟踪效率较高,跟踪查全率较好,在运动人体目标追踪方面具有较高的应用价值.

关键词：卡尔曼滤波器预测、核函数加权、模型相似

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-11-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：299-303