论文摘要：基于不变矩的目标尺度自适应跟踪算法的研究与实现

 

        基于视频图像的目标跟踪是当今世界的热门应用之一，有着深远的理论意义以及广泛的应用价值，吸引了国内外众多专家学者在这一领域的研究。为了准确的跟踪目标，两个主要的问题必须得到解决：第一，当目标与背景相似时，目标的跟踪中心会逐渐背景偏移，甚至丢失目标。第二，当目标的尺度发生变化时，跟踪算法不能自适应的跟踪目标的尺度，会在跟踪过程中丢失目标。当下被广泛应用的目标跟踪算法，例如 Mean Shift和粒子群算法，都不能有效的解决上面提到的两个问题。

        在这篇文章中，我们提出了一种新的基于Hu不变矩的尺度自适应目标跟踪算法SSATMI。在SSATMI中，为了解决第一个问题，我们提出了一个新的核函数，该核函数使用颜色和空间联合直方图来表示目标。这种描述方式不仅包含了目标的颜色信息，同样也包含了目标的空间信息，同时更加准确的目标表示也使得跟踪算法对复杂的跟踪环境更具鲁棒性。为了解决第二个问题，我们根据Hu不变矩的尺度不变性，提出了有效快速计算出目标尺度的方法。

        我们已经仿真实现了SSATMI算法，并通过实验验证了该算法的有效性。在实验中，我们使用了四个视频来测试SSATMI算法，视频一是遥控小车在光照变化和尺度变化的情况下拍摄，视频二是遥控小车在尺度变化和部分遮挡的情况下拍摄，视频三和视频四都来自VIRAT Ground视频库，视频三是白色汽车在尺度变化和部分遮挡下拍摄，视频四是黑色汽车在尺度变化和相似背景的情况下拍摄。

       实验结果显示，SSATMI算法可自适应尺度变化，并且对光照变化和部分遮挡具有鲁棒性。与Mean Shift算法，EM-Shift算法，空间颜色Mean Shift算法，尺度自适应SOAMST算法相比较，不论文是在跟踪精度还是尺度上，本文提出的算法都更具优势。SSATMI的时间复杂度不高，跟踪的速度足够快，可以满足实际应用中实时性的需求。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/293976.html