[发明专利]基于压缩域分析的Mean shift运动目标跟踪方法

说明书

技术领域

本发明属于视频智能分析技术领域，特别涉及一种基于视频压缩域分析的Meanshift运动目标跟踪方法。

背景技术

Mean shift算法(均值偏移算法)是一种非参数密度估计算法[1]，由Fukunaga于1975年首先提出。其作为一种高效的模式匹配算法，已被成功地应用于实时性要求较高的目标跟踪系统中[2]。Dorm Comaniciu首先将Mean Shift算法应用于图像滤波、分割与目标跟踪等领域[3-4]。Bradski提出以颜色直方图为目标模式的Mean shift目标跟踪算法[5]。该算法先利用颜色直方图得到每帧图像的颜色投影图，然后自适应调整搜索窗口的位置和大小，并通过不断收敛将得到的最优中心位置作为目标的中心。另外，Nummiaro等人采用粒子滤波结合Mean shift的方法进行目标跟踪，但是粒子滤波器本身的复杂计算降低了跟踪的实时性[6]。

相比较其他的运动目标跟踪算法，Mean shift算法具有如下特点：(1)计算量不大，可以满足实时跟踪要求；(2)对运动目标变形、旋转，背景变化不敏感；(3)对于部分遮挡情况下的目标跟踪具有一定的鲁棒性；(4)并且Mean shift作为一个无参估计算法，很容易作为一个模块与其他算法集成。

Mean shift算法也存在一些不足：(1)缺乏必要的模板更新算法；跟踪过程中窗宽的大小保持不变，当目标有尺度变化时，可能跟踪失败；(2)直方图是一种比较弱的对目标特征的描述，当背景和目标的颜色分布较相似时，算法效果欠佳。(3)当场景中目标的运动速度很快时，目标区域在相邻两帧间会出现没有重叠的区域的情况，目标此时往往收敛于背景中与目标颜色分布比较相似的物体，而不是场景中的目标。

上述引用的参考文献：

1.Fukunaga K，Hostetler L.The Estimation of the gradient of a density function，with applications in pattern recognition[J].IEEE Trans.On Inform.theory，1975，21(1)：32

2.Cheng Y.Mean Shift，Mode Seeking，and Clustering[J].IEEE Trans on PatternAnal.Machine Intell.1995，17(8)：790

3.Comaniciu.D，Meer.P.Mean shift analysis and application[J].Proceedingsof the Seventh IEEE International Conference Computer Vision，Kerkyra，Greece，1999：2：1197-1203.

4.Comaniciu D，Ramesh V，Meer P Real-time Tracking of Non-rigid Objects UsingMean Shift[A].In：Proceedings of the IEEE Conference on CVPR[C]，Hilton Head，SC，USA，2000：142-149

5.Bradski G R.Computer Vision Face Tracking for Use in Perce-ptual UserInterface[EB/OL].1998.http://www.cse.psu.edu/～rcollins/CSE598G/papers/camshift.pdf

6.Katja Nummiaro，Esther Koller-Meier，Luc Van Gool.Color features for trackingnon-rigid objects[J].Chinese Journal of Automation，Special Issue on VisualSurveillance.2003，29(3)：345-355.

发明内容

本发明针对Mean shift算法在快速运动目标跟踪表现出的不足，提出改进的运动目标跟踪方法，以提高目标跟踪的准确性。

本发明所提供基于压缩域分析的Meanshift运动目标跟踪方法，基于Meanshift算法实现目标跟踪，在Meanshift算法的搜索过程中，利用压缩域的运动矢量分析结果修正Meanshift算法中每一帧搜索起点中心位置坐标；