基于改进的MeanShift人体跟踪算法

MeanShift算法是利用特征空间中的密度梯度方向进行迭代搜索，获得局部密度极大值的样本点。由于利用单一颜色特征和整体目标区域建立模型，在目标尺度变化和光线变化情况下鲁棒性较差。传统的MeanShift算法没有模板更新机制，在跟踪过程中跟踪的窗口带宽始终不变，这导致了目标再次变化时易跟踪失败。采用对目标进行分决，利用人体的特征，对人体进行分块，并对每块进行纹理和颜色相结合的方式进行建模，形成改进的MeanShift算法，通过有遮挡情况下的人体跟踪实验，证明改过后的算法大大地提高了跟踪的鲁棒性。