山东凯乐化工有限公司 陈 东 徐 奔



Kalman滤波融合优化Mean Shift的目标跟踪分析及研究

山东凯乐化工有限公司 陈 东 徐 奔

【摘要】简单、稳定是Mean Shift的目标跟踪算法的基本特征，所以，在目标具体的跟踪行动中得到了广泛的应用，然而，也有相应的局限性存在。因此，为了能够更好地掌握该项算法，文章通过下文对Kalman滤波融合优化Mean Shif目标跟踪算法的相关内容进行了阐述。

【关键词】Kalman滤波融合优化；Mean Shift；目标跟踪

为了将跟踪效果提升，文章以 Kalman 滤波融合优化为基础，将 Mean Shift 的目标跟踪算法提了出来，将该跟踪方法中一些难以解决的问题进行了解决。

1 Mean Shit算法的相关分析

1.1 描述目标模型

其一，在对目标模型进行确立时，需要将一个目标型的坐标体系构建起来。假如目标模型的中心坐标用Xo表示，并且，每个像素坐标位置的集合用｛Xi｝·i=1，2，，，，，，n表示，函数颜色直方图的特征数量可以用m表示，u为基本的概率特征，这样可以将目标模型表达式 构建起来。在通过单调递减的每向同性凸核函数加权处理目标模型个点时，因为遮蔽物或者背影容易遮挡或者干扰到临近边界处的像素值，像素点权重越距目标模板中心距离近，其值就会越大。模型中心同目标像素位置距离越远，影响随之也会相应的减小。

1.2 定位目标

通过多次的迭代来对Mean Shit进行定位，为了在都可以在最大值处控制相似性函数，将后一帧y1的位置在前一帧y0处找出来，并且，依次按照这样的方式去做，只有β＞yb-y时，y1=y，才可以将后一帧的最终位置确定出来，从而敲定出最后的目标位置。……