![](https://csdnimg.cn/release/download_crawler_static/88310115/bgc.jpg)
(四)遮挡问题:在跟踪过程中,当目标受障碍物的部分遮挡而导致的形变或全
部遮挡而导致的暂时消失,往往会导致目标信息的丢失,从而给目标的识别与跟踪带
来了困难。因此,为使目标丢失之后算法仍能自恢复跟踪,需对算法进行相应改进,
以提高跟踪算法的鲁棒性。
(五)光线变化:仅采用颜色作为特征的跟踪算法对光线变化较敏感,往往会导
致跟踪失败,因此,应该选取对光线变化不敏感的特征进行跟踪,以减小光线变化对
跟踪算法的影响。
(六)实时性要求:目标跟踪处理的对象是包含巨大信息量的视频图像,处理
这些信息需要耗费大量的运算时间,算法往往难以满足实时性的要求。通常简单算法
跟踪的实时性比较好,而跟踪的准确性较差,复杂算法跟踪的准确性好,但实时性却
较差,因此算法往往要在准确性和实时性上进行优化,以满足跟踪的实际需求。
1.3 本文的研究内容及章节安排
本文主要研究了 Mean Shift 跟踪算法和粒子滤波跟踪算法的原理,以及他们在目
标跟踪中的应用。两种方法往往都是基于颜色分布来描述目标的特征,建立目标模型
和候选目标模型。论文中指出了两种算法存在的优缺点,即:Mean Shift 跟踪算法具
有快速、简单、运算量很少的优点,但鲁棒性较差,受到干扰就很容易丢失目标;而
粒子滤波却具有很好的鲁棒性,跟踪精度高,抗干扰能力强,但其运算量大,使其很
难应用到实时跟踪系统中。由于梯度方向直方图特征具有对光线变化、微小形变不敏
感这一独有特点,文章最后提出将基于梯度方向直方图特征的 Mean Shift 跟踪算法和
粒子滤波算法进行融合以实现有效跟踪,大大减少了算法运算量,同时保持了粒子滤
波算法所具有的高鲁棒性和准确性,使得算法应用于实时系统成为可能。
本文具体内容安排如下:
第一章:绪论。介绍了本课题的研究背景及意义、现状,在此基础上介绍了实际
研究中所遇到的难题,概括了论文的研究内容、论文的创新点。
第二章:目标跟踪处理的相关理论。主要分析运动目标跟踪问题的相关处理方法。
第三章:基于Mean Shift的跟踪算法研究。介绍了Mean Shift算法的发展历史以及
近些年的研究热点。在此基础上,我们系统地对Mean Shift算法理论和其在目标跟踪