基于改进的MeanShift人体跟踪算法 |
| |
作者姓名: | 王占凤 郭星 袁继彬 |
| |
作者单位: | 1. 巢湖学院计算机与信息工程学院,安徽巢湖,238000 2. 安徽大学计算机科学与技术学院,安徽合肥,230031 3. 中国人民银行合肥中心支行,安徽合肥,230091 |
| |
基金项目: | 安徽省自然科学基金项目"多跳ad hoc网络中协作路由算法研究" |
| |
摘 要: | 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。
|
关 键 词: | Mean Shift算法 人体跟踪 目标检测 |
本文献已被 维普 万方数据 等数据库收录! |
|