MSMC跟踪算法在目标跟踪中的应用

摘要：

针对序贯蒙特卡罗(Sequential Monte Carlo,MC)算法存在的计算量大的缺点,提出了一种新的Mean Shift Monte Carlo(MSMC)目标跟踪算法.在传统的MC算法中采取Mean Shift这种梯度最优下降法来寻找局部最大样本值,以目标的颜色特征建立目标状态空间模型,并用Bhattacharyya系数作为评价函数给出样本的权值.算法以少于300个样本(实验用200个样本)来保持对目标运动状态预测的多样性,有效地克服了MC算法收敛速度较慢的弱点,将算法的计算时间从76 ms/frame降低到了35 ms/frame(跟踪窗口为28 pixel×26 pixel).实验结果表明,提出的算法能够在发生遮挡的情况下实现较稳定的目标跟踪,使算法应用于实际工程成为可能.

关键词：目标跟踪、序贯蒙特卡罗算法、Mean Shift MC、局部最优

所属期刊栏目：16

分类号：TP391(计算技术、计算机技术)

资助基金：中国科学院知识创新工程项目C05T022

在线出版日期：2008-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：122-127