資源描述：
《基于MeanShift算法的目標(biāo)跟蹤.doc》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、基于MeanShift算法的目標(biāo)跟蹤1算法描述1.1meanshift算法背景meanShift這個(gè)概念最早是由Fukunage在1975年提出的，F(xiàn)ukunage等人在一篇關(guān)于概率密度梯度函數(shù)的估計(jì)中提出這一概念。其最初的含義正如其名：偏移的均值向量；但隨著理論的發(fā)展，meanShift的含義已經(jīng)發(fā)生了很多變化。如今，我們說(shuō)的meanShift算法，一般是指一個(gè)迭代的步驟，即先算出當(dāng)前點(diǎn)的偏移均值，然后以此為新的起始點(diǎn)，繼續(xù)移動(dòng)，直到滿足一定的結(jié)束條件。在很長(zhǎng)一段時(shí)間內(nèi)，meanShift算法都沒(méi)有得到足夠的重視，直到1995年另一篇重要論文的發(fā)表。該論文的作者YizongCheng定義
2、了一族核函數(shù)，使得隨著樣本與被偏移點(diǎn)的距離不同，其偏移量對(duì)均值偏移向量的貢獻(xiàn)也不同。其次，他還設(shè)定了一個(gè)權(quán)重系數(shù)，使得不同樣本點(diǎn)的重要性不一樣，這大大擴(kuò)展了meanShift的應(yīng)用范圍。此外，還有研究人員將非剛體的跟蹤問(wèn)題近似為一個(gè)meanShift的最優(yōu)化問(wèn)題，使得跟蹤可以實(shí)時(shí)進(jìn)行。目前，利用meanShift進(jìn)行跟蹤已經(jīng)相當(dāng)成熟。1.2meanshift算法原理Meanshift可以應(yīng)用在很多領(lǐng)域，比如聚類，圖像平滑，圖像分割，還在目標(biāo)跟蹤領(lǐng)域有重要的應(yīng)用。Meanshift跟蹤算法是通過(guò)計(jì)算候選目標(biāo)與目標(biāo)模板之間相似度的概率密度分布，然后利用概率密度梯度下降的方向來(lái)獲取匹配搜索的最佳
3、路徑，加速運(yùn)動(dòng)目標(biāo)的定位和降低搜索的時(shí)間，因此其在目標(biāo)實(shí)時(shí)跟蹤領(lǐng)域有著很高的應(yīng)用價(jià)值。該算法由于采用了統(tǒng)計(jì)特征，因此對(duì)噪聲具有很好的魯棒性；由于是一個(gè)蛋參數(shù)算法，容易作為一個(gè)模塊和其他算法集成；采用核函數(shù)直方圖建模，對(duì)邊緣阻擋、目標(biāo)的旋轉(zhuǎn)、變形以及背景運(yùn)動(dòng)都不敏感；同時(shí)該算法構(gòu)造了一個(gè)可以用meanshift算法進(jìn)行尋優(yōu)的相似度函數(shù)。Meanshift本質(zhì)上是最陡下降法，因此其求解過(guò)程收斂速度快，使得該算法具有很好的實(shí)用性。Meanshift算法的思想是利用概率密度的梯度爬升來(lái)尋找局部最優(yōu)。它要做的就是輸入一個(gè)在圖像的范圍，然后一直朝著重心迭代，直到滿足你的要求或者達(dá)到迭代最大次數(shù)結(jié)束。在
4、opencv中，進(jìn)行meanshift其實(shí)很簡(jiǎn)單，輸入一張圖像（imgProb），再輸入一個(gè)開(kāi)始迭代的方框（windowIn）和一個(gè)迭代條件（criteria），輸出的是迭代完成的位置（comp）。這是函數(shù)原型：intcvMeanShift(constvoid*imgProb,CvRectwindowIn,CvTermCriteriacriteria,CvConnectedComp*comp)參數(shù)介紹：imgProb：目標(biāo)直方圖的反向投影windowIn：初試的搜索框Criteria：確定搜索窗口的終止條件Comp：生成的結(jié)構(gòu)，包含收斂的搜索窗口坐標(biāo)(comp->rect字段)與窗口內(nèi)部所
5、有像素的和(comp->area字段)1.3meanshift算法跟蹤目標(biāo)實(shí)現(xiàn)步驟1.首先從攝像頭或者本地文件讀入視頻2.選擇要跟蹤的物體，程序讀取一幀視頻3.計(jì)算視頻幀的色調(diào)直方圖4.計(jì)算視頻幀的反向投影圖5.輸入反向投影圖和跟蹤矩形框，調(diào)用meanshift算法迭代，尋找局部最優(yōu)解。根據(jù)重心的移動(dòng)，調(diào)整跟蹤矩形框6.讀取下一幀視頻，用當(dāng)前矩形框作為輸入，重復(fù)執(zhí)行步驟2-51.4meanshift算法實(shí)現(xiàn)過(guò)程1在顏色概率分布圖中選取搜索窗W2計(jì)算零階距：計(jì)算一階距：計(jì)算搜索窗的質(zhì)心：3調(diào)整搜索窗大小寬度為長(zhǎng)度為1.2s4移動(dòng)搜索窗的中心到質(zhì)心，如果移動(dòng)距離大于預(yù)設(shè)的固定閾值，則重復(fù)2)3
6、)4)，直到搜索窗的中心與質(zhì)心間的移動(dòng)距離小于預(yù)設(shè)的固定閾值，或者循環(huán)運(yùn)算的次數(shù)達(dá)到某一最大值，停止計(jì)算。1.5meanshift算法跟蹤效果使用攝像頭跟蹤人的膚色效果如圖1.5.1所示。圖1.5.1對(duì)應(yīng)于圖1.5.1的反向投影圖如下圖1.5.2所示。圖1.5.2點(diǎn)選區(qū)域的像素點(diǎn)直方圖如圖1.5.3所示。圖1.5.3從以上效果圖可以發(fā)現(xiàn)，meanshift算法處理的是HSV中的色調(diào)分量。換句話說(shuō)，就是通過(guò)追蹤相同的顏色，而達(dá)到追蹤物體的功能。程序首先計(jì)算點(diǎn)選框里的有效像素點(diǎn)，通過(guò)統(tǒng)計(jì)獲得像素點(diǎn)分布直方圖；然后計(jì)算出視頻的反向投影圖，即是像素點(diǎn)的概率分布圖。如上圖1.5.2所示，越亮的點(diǎn)就是
7、與原物體越匹配的點(diǎn)，大量的亮點(diǎn)的聚集處就極有可能是需要跟蹤的物體；最后用矩形框框住當(dāng)前幀中帶跟蹤的物體，如上圖1.5.1所示的結(jié)果。當(dāng)被跟蹤的物體的色調(diào)與背景相似時(shí)，跟蹤就會(huì)失效，如圖1.5.4所示。圖1.5.4顯然，當(dāng)背景與被跟蹤物體顏色難以區(qū)分時(shí)跟蹤會(huì)失敗。原因很簡(jiǎn)單，meanshift算法實(shí)現(xiàn)跟蹤的原理就是通過(guò)計(jì)算色調(diào)的概率分布達(dá)到跟蹤的效果，所以待跟蹤的物體一定要與背景在色調(diào)上有區(qū)分度。類似的，本程序也可以通過(guò)設(shè)
