科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了更加准确的提取运动人体目标的特征和运动趋势，优化追踪效果，提出基于状态预估Mean Shift算法的运动人体目标追踪方法。首先采用卡尔曼滤波器预测当前运动人体目标的中心位置，通过监测器监测图像当前帧预测的子窗口是否为追踪目标，并利用马尔科夫模型对目标运动方向进行预估，增强运动人体目标的辨别能力。然后通过Mean Shift算法获得需要跟踪的初始化目标窗口，利用核函数加权算法计算目标窗口的像素空间分布，并选择出下一帧图像的滑动窗口位置，以模型相似度为原则利用相似性函数进行度量，最后对运动人体目标不断迭代达到收敛点，从而实现目标跟踪。实验结果表明，上述方法可以避免背景和噪音对运动人体追踪的影响，通过对三种评价指标的对比分析，所提方法对运动人体跟踪的准确率可高达约92.6%,且目标跟踪效率较高，跟踪查全率较好，在运动人体目标追踪方面具有较高的应用价值。
- 单位
