基于Mean Shift的相似性变换和仿射变换目标跟踪算法
传统的Mean Shift(MS)算法只能对发生平移和尺度变化的目标进行跟踪,而对于具有相似性变换或者更复杂的仿射变换的目标跟踪效果很不理想或无法跟踪.为了解决这一问题,提出了两种基于MS的改进算法.第一种算法针对仿射变换,根据奇异值分解理论,仿射变换矩阵可以分解成两个旋转矩阵和一个对角矩阵的乘积,在此基础上建模了一种新的候选目标模型.通过Bhattacharyya系数将目标跟踪问题转化成以仿射变换参数为变量的最优化问题,推导相关参量的一阶偏导数并令其为零从而得出相对于仿射变换的MS算法.另外,针对进行相似性变换的目标也提出了一种新的候选目标模型,并用类似的梯度下降算法估计目标的平移向量和旋转角度.实验结果表明,提出的算法能够跟踪具有相似性变换或仿射变换的目标,比传统的MS算法具有更好的跟踪性能.
目标跟踪、Mean Shift算法、仿射变换、相似性变换
16
TF391.41(冶金机械、冶金生产自动化)
国家自然科学基金项目60673110,60973080;教育部科学技术研究重点项目210063;黑龙江省新世纪优秀人才计划项目1153-NCET-002;黑龙江大学高层次人才创新团队支持计划Hdtd 2010-07
2011-06-14(万方平台首次上网日期,不代表论文的发表时间)
共9页
258-266