论文部分内容阅读
本文对采用均值位移，卡尔曼滤波和快速运动估计的物体跟踪算法进行了研究。文章深入分析了Mean Shift跟踪算法原理，并对它跟踪物体的本质进行了探讨，由此对它的权重更新方式进行了了简化性的调整，从而使得算法速度得到一定的提高。同时，利用Kalman预测器来预测Meanshift算法所需的初始点。由预测器给出的初始点一般更加接近真实目标的中心点。这样Mean Shift跟踪算法减少了迭代次数，加快了速度。为了使跟踪更加可靠，将视频压缩领域中的快速运动估计思想引入本系统中。当相邻两帧间的运动量很大时候，它作为一个补充的技术，能够使得算法变得更加可靠。