Kalman滤波融合优化Mean Shift的目标跟踪

摘要：

目标跟踪中，目标跟踪的实时性和精度是首先要考虑的问题，同时背景变化、形状改变、目标遮挡，往往.会导致跟踪失败。针对此问题，首先优化了Mean. Shift算法迭代权值，优化后主要灰度贡献更加突出，次要灰度受到抑制，提高了跟踪的精度、避免了开方的繁琐运算。然后提出目标模板更新算法，解决了背景剧烈变化和目标形状改变时跟踪失败的问题。最后将优化Mean. Shift算法与Kalman滤波融合，通过残差判定目标运动状态。仿真实验和分析表明， Kalman滤波融合优化Mean. shift算法在目标遮挡，目标形状改变，背景变化时具有更高的跟踪精度和实时性。.

关键词：Kalman滤波、Mean Shift算法、目标跟踪、模板更新

分类号：TP391(计算技术、计算机技术)

资助基金：航空基金2010ZD30004。

在线出版日期：2014-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：32-33