基于改进的Mean Shift人体跟踪算法  

作　　者：王占凤[1] 郭星[2] 袁继彬[3] 

机构地区：[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

出　　处：《宿州学院学报》2013年第8期63-66,共4页Journal of Suzhou University

基　　金：安徽省自然科学基金项目"多跳adhoc网络中协作路由算法研究"(1308085MF101)

摘　　要：Mean Shift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。采用对目标进行分块,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Mean Shift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 

分 类 号：TP39[自动化与计算机技术—计算机应用技术]