改进camshift算法的目标跟踪视频监控
改进Camshift算法的目标跟踪视频监控
Chunrong Zhang, Yuansong Qiao, Enda Fallon, Changqiao Xu
摘要
目标跟踪在一个复杂的环境仍然是一个具有挑战性的研究课
题
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
。任务目标跟踪是视频监控系统的重要组成部分。在本文中,我们提出了一个实时视频序列中
首先,引进背景加权直方图有助于从背景中区分目的目标跟踪的改进算法。Camshift
标和其他目标。其次,窗口的大小计算,跟踪它的形状和方向变化的目标。最后,我们利用了卡尔曼滤波器,卡尔曼滤波器的引入也使完全闭塞之以避免受到局部最大值的限制。
后重获跟踪。实验结果
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
明,对各种视频序列,该算法的性能优于原来
方法
快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载
。camshift
关键词:目标跟踪卡尔曼滤波背景加权直方图; CAMSHIFT;;
引言1
网络视频监控已经成为受欢迎多年的安全应用。在一个复杂的环境中进行目标跟踪仍
视频监控和监测系统是任务目标跟踪的[1] 然是视频监控的具有挑战性的问题之一。
一个关键组成部分,它提供了输入到高层次的处理,如识别,访问控制,或者重[2]
是用来初始化分析和分类的人类活动。 新鉴定,或
跟踪算法可以分为两大类,即状态空间方法和基于内核的方法。状态空间方法主要基于概率,随机过程和估计理论,系统理论和组合优化相结合,导致过多的方法,如卡尔曼滤波,扩展卡尔曼滤波(),无气味卡尔曼滤波器()EKF[3]UKF
能够恢复丢失的轨道最常用的跟踪算,粒子滤波器()的。状态空间方法是[4]PF[5]
法之一。然而,其中一些需要高计算成本,因此他们不适合实时视频监控系统。
Mean Shift(MS)算法是一种非参数方法,它属于第二组。Mean Shift方法确定的程序的收敛到局部最大值的测量功能,在一定假设的核心行为[ 6]。CamShift(Continuously Adaptive Mean Shift)算法是在Mean Shift的基础上,给定的概率密度图像,发现平均(模式)的分布的迭代方向的最大增加概率密度。CamShift算法作为视觉跟踪一个有效的和强有力的方法,最近获得了极大的关注。大量尝试已取得稳健,高效的目标跟踪[ 8] [ 9] [ 10]。 CAMSHIFT算法是一种低复杂度算法,它提供了一个通用可靠的解决
方案
气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载
,具有独立于所代表目标的特点。但它也有一些重要的固有的缺点。首先,该算法可能会失败,跟踪多色调的目标或目标色调不能让目标单独从背景和其他目标区分。其次,的主要目的是在感知用户界面进行有效的头部和脸部追踪,当目标的形状和camshift
方向的变化时,它可能失去目标时。第三,,如同均值漂移算法,只能CAMSHIFT
由于受到局部最大值限制,所以不跟踪小和快速移动目标(帧被用来寻找本地模式。[11]
间位移大于物体的大小)。最后,对于一个固定摄像头监控,由于相机视图的限制,目标闭塞是一种普遍现象。当一个完全闭塞发生,系统无法跟踪目标。
这里提出的算法使用跟踪目标的中心。算法跟踪跟踪目标。然后,避免受到局CAMSHIFT
部最大值的限制,我们用卡尔曼滤波寻找超出局部最大值的真正最大值。同时,卡尔曼滤波器也可以帮助恢复完全闭塞的轨道。我们使用的背景加权直方图以区分目标的背景。
第二节介绍原来的均值漂移和算法。第三节提CAMSHIFT本文的其余部分安排如下:
出跟踪算法的开发和分析。在第节给出了实验和比较,结论在第节。45
、原始算法2Camshift
算法2.1 Mean Shift
Mean shift是一种非参数密度梯度函数的估计。它基本上是一个本地搜索区域内执行迭代期望最大值化的聚类算法。Comaniciu改写手动初始化目标跟踪[12]。Mean shift跟踪提供准确的定位,它是可行的计算。 颜色直方图是一个广泛使用的目标表示的形式,因为其独立缩放和旋转,其鲁棒性的局部闭塞。目标模型作为其归一化颜色直方图的定义是,
其中m是特征值。可以计算以y轴为中心,
标准
excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载
化颜色分布p(y) ={pu(y)}1,...nh。
其中{xi},i=1,...nh是在目标区内候选目标像素的位置。b(x)是像素x的直方图,k(x)ii为核函数,h为带宽,C是一个归一化函数的定义h