基于加权空间直方图的均值漂移目标跟踪

目标模型内的背景像素会造成目标跟踪定位偏差。为了减少背景像素对跟踪造成的定位偏差,首先通过目标区域像素和目标区域周围背景像素的颜色直方图定义了一个加权系数,然后将该加权系数引入到空间直方图的计算中,提出了一种基于加权空间直方图的均值漂移(MS)目标跟踪算法。在此基础上,给出了一种模型更新方法。仿真实验表明,该算法具有很好的跟踪精度,对遮挡具有更好的鲁棒性。     

结合运动目标轮廓提取的均值漂移算法

提出一种结合运动目标轮廓提取的改进均值漂移算法。对相邻4帧的图像两两配准之后进行差分相乘运算,再进行形态学处理获得理想的目标区域,经权值计算之后在该区域内建立目标颜色直方图模型,计算均值漂移向量进行目标跟踪,当相似性系数小于某个阈值时更新目标模板模型,以适应目标的形变等情况。实验结果表明,改进后的算法具有较好的抗背景干扰能力,能够有效和准确地跟踪目标,而且对跟踪不规则和形变目标有很好的适应性,提高了均值漂移算法的跟踪性能。     

基于特征融合的红外目标跟踪方法

为了能够对红外目标实现稳健跟踪,提出一种特征融合算法,将目标的LBP纹理特征和灰度特征空间融合,构造了由基于区域置信度及空间距离加权的LBP特征直方图,以及灰度加权直方图联合表示的目标模型。以均值偏移算法为跟踪框架,在当前帧中迭代搜索目标位置。实验证明该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

基于双权值颜色直方图的工作服检测与跟踪

为保障工人的安全,对工人是否穿着工作服进行检测与跟踪具有重要意义.针对均值漂移算法中颜色直方图对工作服特征描述不准确、固定核窗宽不能对尺寸逐渐增大的目标进行有效跟踪两方面问题,提出一种基于目标像素中心加权与背景颜色削弱权值的双权值颜色直方图建模法,建立颜色特征突出的工作服模型,并结合工作服两种显著颜色的质心距离变化,在跟踪中调节核窗宽的大小.实验结果表明,提出的方法能够快速准确地检测和跟踪工作服.     

边界约束的核密度估计红外人体目标跟踪方法

基于核密度估计的均值漂移算法因其良好的实时性而被广泛地应用于目标跟踪,但传统的均值漂移算法极易因颜色等信息的缺乏而使跟踪不稳定,且目标尺度的变化也不利于目标位置的准确估计,为此,提出了一种具有边界约束的均值漂移红外人体目标跟踪新方法。该方法通过各向异性扩散,并联合红外图像的梯度与亮度信息来获取目标边界,自适应调整核窗宽,从而利用均值漂移策略进行红外人体目标跟踪。实验结果表明,该方法在红外人体目标尺度改变时仍能实现良好的跟踪。     

一种改进的Camshift视频目标跟踪算法

鉴于连续自适应均值漂移(Camshift)算法在光照变化,相似背景颜色干扰及目标遮挡时鲁棒性不高,易造成跟踪错误等问题,提出了一种联合多特征和最大类间方差法的视频运动目标跟踪算法。该算法将色度直方图、梯度方向直方图和LBP纹理特征进行巧妙的融合,构建了一种高效的联合直方图目标外观特征模型,并在Camshift算法中嵌入最大类间方差法,增强目标和背景的区分度。不同场景的视频跟踪结果表明,改进算法有效克服了传统Camshift算法应对光照变化、颜色干扰和目标遮挡的缺点,与同类算法相比,具有更高的准确度和鲁棒性。     

基于空间直方图的海杂波背景下红外目标跟踪

空间直方图融合了目标的灰度分布信息和灰度的空间分布信息,比传统的灰度直方图更具有目标鉴别能力。为实现海杂波背景下稳健跟踪红外目标,本文在基于粒子滤波算法的红外目标跟踪系统框架中,将加权样本集表示红外目标的状态后验概率分布;采用简单的随机漂移模型表示系统状态模型;利用目标区域的空间直方图描述红外目标,其中通过核概率密度估计建立红外目标的灰度分布,然后统计灰度分布的空间信息建立空间直方图;通过空间直方图的相似度定义来建立系统观测概率模型,最终提出一种在海杂波背景下的基于空间直方图的粒子滤波红外目标跟踪算法。实     

一种基于SMOG模型的红外目标跟踪新算法

空间颜色混合高斯模型(SMOG)在基于颜色特征的目标跟踪中显示出比颜色直方图更强的目标鉴别能力,因为它不仅考虑了区域的颜色信息,而且也考虑了颜色的空间分布信息.本文将SMOG模型合理地引入到了红外目标的建模中,改进了原SMOG模型中的相似性度量函数,进一步提高了其对目标的鉴别能力.在粒子滤波框架内,使用简单的二阶自回归模型作为系统状态转换方程,将改进后的相似度函数作为各粒子的状态观测,给出了有效的模式更新方法以适应目标外观的变化,并设计出了一种有效的红外目标跟踪算法.实验证明,SMOG模型能有效刻画红外目标,本文提出的算法对红外目标的跟踪是稳健的.     

一种对光照变化鲁棒的均值漂移跟踪方法

颜色作为一个有效的视觉特征,被广泛的用于基于表面模型的跟踪中。但在跟踪过程中,由于光照、视角及摄像机参数等的变化,往往会造成目标颜色的改变,使得跟踪不稳定。该文提出了一种新的基于局部背景动态修正模糊颜色直方图的均值漂移跟踪方法,在颜色-空间域运用核密度估计建立目标的模糊颜色直方图模型,利用目标的局部背景动态修正目标模型,克服了基于传统颜色直方图建立目标模型时对于光照变化较为敏感的缺点。实验验证了该文算法可以平滑相似性表面,减小局部极值点对跟踪的影响,在光照剧烈变化的情况下能够实时鲁棒地跟踪目标。     

基于改进的均值漂移视频目标跟踪算法

【】 采用帧差法提取目标的运动特征,结合边缘特征对光照变化、颜色不敏感和颜色特征对旋转、形状姿态不敏感的优点,提出了一种新的运动-颜色和运动-边缘特征联合的外观模型对目标进行均值漂移跟踪。分别计算颜色直方图和边缘直方图的Bhattacharyya系数,利用加权求和的思想概念计算下一帧各个特征的权值,将各个特征自适应融合,提高了跟踪算法的鲁棒性。针对目标被严重遮挡或全部遮挡而导致跟踪丢失的问题,提出利用Kalman预测器预测目标的轨迹改进均值漂移算法。实验结果表明,在光照变化、相邻相似背景颜色、变形、遮挡等复杂背景下,该算法仍能很好的跟踪目标。     

一种基于特征融合的运动目标跟踪算法

联合目标的灰度特征空间和梯度特征空间,构造了由目标的灰度加权直方图和梯度加权直方图联合表示的目标模型,利用均值平移算法在当前帧中迭代搜索目标位置.实验表明,该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的.     

A clustering-based color model and integral images for fast object tracking

The paper presents a clustering-based color model and develops a fast algorithm for object tracking. The color model is built upon K-means clustering, by which the color space of the object can be partitioned adaptively and the histogram bins can be determined accordingly. In addition, in each bin the multi-channel gray level is modelled as Gaussian distribution. Defined in this way the color model can describe accurately the color distribution with very little bins. To evaluate similarity between the reference model and the candidate model, a similarity measure based on Bhattacharrya distance is introduced and its simplified form is derived under assumption that in each bin distribution of gray level in different channel is independent of each other. Motivated by the paper of Viola and Jones, the Integral Images for computation of histogram, mean and variance are proposed, with which the similarity measure can be evaluated at negligible computational cost. Thus, exhaustive search is made efficiently for object localization which guarantees the global maximum be achieved. Comparisons with the well-known mean shift algorithm demonstrate that the proposed algorithm has better performance while having the same (or less) computational cost.     

Infrared target tracking based on multi-feature fusion under motion platform

In order to realize infi＇ared target tracking accurately under motion platform, and make up for the shortcoming of the nuclear density estimation based on gradation feature, an adaptive kalman-mean shift algorithm based on multi-feature fusion is proposed. The target model based on edge-gradation feature fusion is applied in the mean shift algorithm. The starting position at present of an infrared target is predicted by a kaiman filter, and then a scale updating item of tracking window is appended based on the relationship between mutual information and the object scale. Then the moving object, especially the object with a variable scale, is adaptively tracked under motion platform. Experimental results demonstrate that the adaptability of mean shift algorithm is enhanced by the improved scheme, which can be applied in the process of long time tracking for the object with a variable scale.     

Object Modeling with Color Arrangement for Region‐Based Tracking

In this paper, we propose a new color histogram model for object tracking. The proposed model incorporates the color arrangement of the target that encodes the relative spatial distribution of the colors inside the object. Using the color arrangement, we can determine which color bin is more reliable for tracking. Based on the proposed color histogram model, we derive a mean shift framework using a modified Bhattacharyya distance. In addition, we present a method of updating an object scale and a target model to cope with changes in the target appearance. Unlike conventional mean shift based methods, our algorithm produces satisfactory results even when the object being tracked shares similar colors with the background.     

一种基于优化预处理的均值漂移算法

对传统的Mean Shift算法进行了改进.加入了前期预处理.包括特征选择与分类.提高了复杂场景中目标的鲁棒性.传统的Mean Shift算法固定的使用一个或两个特征(比如颜色)对目标进行跟踪.当跟踪场景发生变化.容易跟踪失败.我们通过选择目标与背景区别度最大的特征同时定义显著特征与非显着特征,实现了对复杂变化场景中目标更为鲁棒的跟踪.通过对多组数据进行实验.证实了该算法的可靠性.     

一种基于Kalman-mean shift的自适应跟踪算法

提出了一种基于Kalmanmean shift的自适应跟踪算法。利用卡尔曼滤波器预测目标在当前时刻的起始位置,并利用互信息量与目标尺寸之间的关系,在mean shift算法中加入了一个尺度更新项,通过尺度更新对运动目标,特别是目标尺寸变化的目标进行自适应跟踪。实验表明该算法提高了mean shift跟踪算法的适应性,有效地解决了长时间跟踪过程中尺度变化目标定位困难的问题。     

基于梯度方向检测的自适应带宽meanshift目标跟踪算法

传统核窗宽固定的meanshift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的meanshift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的f＊l题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。     

一种基于均值移位的红外目标跟踪新方法

均值移位算法是一种搜索与样本点分布最相近模式的非参数统计方法．在彩色序列图像目标跟踪中,均值移位算法是一种有效的方法．但在红外目标跟踪中,由于单一灰度特征空间缺乏描述红外目标的信息,使得基于均值移位算法的红外目标跟踪不稳健．为了克服这个缺点,提出了构造级联灰度空间的红外目标跟踪新方案．同时,对于不同的红外图像序列使用不同的方法产生级联灰度空间．实验结果表明该方法对于红外小目标以及强杂波背景目标的跟踪是有效和稳健的．     

基于梯度方向检测的自适应带宽mean shift目标跟踪算法

传统核窗宽固定的mean shift跟踪算法不能很好地对尺寸变化的目标进行有效的跟踪。在结合增量试探法和梯度方向检测的基础上,提出了一种适应带宽的mean shift目标跟踪算法。算法能够对逐渐放大和逐渐缩小的目标都能够进行有效的跟踪,解决了增量试探法难以很好地对放大目标进行自适应带宽跟踪的问题,提高了自适应带宽跟踪的准确性。两段不同场景下的运动目标跟踪实验,证实了该算法的有效性。     

一种改进的粒子滤波和Mean Shift联合跟踪算法

为了提高视频运动目标跟踪的准确性和实时性,提出一种改进的粒子滤波和Mean Shift联合跟踪算法.针对传统粒子滤波跟踪算法中颜色直方图观测模型存在的局限性,提出了一种基于分块颜色直方图的观测模型描述方法,并根据该分块直方图的特点,重新设计了粒子权值的更新策略;针对粒子滤波算法实时性差的问题,提出了一种基于积分直方图的颜色特征快速计算方法,极大地降低了算法的运算量;为了降低相似背景干扰对跟踪效果的影响,提出了一种基于Gabor幅度谱的Mean Shift跟踪算法,并利用改进的Mean Shift算法对粒子滤波跟踪结果进行优化,提高了跟踪算法在复杂背景下的搜索能力.实验结果表明了算法的有效性.