基于改进Mean Shift的运动目标跟踪算法研究的中期报告.docx

基于改进MeanShift的运动目标跟踪算法研究的中期报告
1.研究背景
运动目标跟踪是计算机视觉领域中的一个重要研究方向，应用广泛。传统的基于模型的跟踪算法在实际应用中存在许多问题，比如对目标形状的假设较为严格，对图像的光照、噪声等因素敏感，难以实现目标跟踪的实时性和准确性。而基于特征的无模型跟踪算法由于其自适应性和实时性等特点一直备受关注。
2.研究内容
本研究将针对基于特征的无模型跟踪算法中的经典算法MeanShift提出改进方案，以实现更加精确和稳定的目标跟踪。具体内容包括以下几个方面：
2.1改进目标区域提取方式
传统的MeanShift算法中，目标区域提取采用固定的矩形框或椭圆框，且框的大小一般需要人工设定。这样的提取方式会出现不同尺寸目标跟踪精度低的问题。因此，本研究将尝试引入自适应目标区域提取方法，通过特征点筛选、连通区域分割等方式实现目标区域的自适应提取。
2.2改进核密度估计方法
MeanShift算法中采用的核密度估计方法，通常是以高斯核为基础建立的，但在实际应用中，这种方法可能会对不同尺度、变化快速的目标跟踪产生不良影响。因此，本研究将尝试引入非高斯核密度估计方法，例如均值漂移等，以提高算法的鲁棒性和灵敏度。
2.3引入边缘特征信息
边缘是图像中十分重要的特征，且对运动目标跟踪具有重要作用。本研究将尝试利用边缘提取算法获取目标边缘信息，并将其融合入MeanShift算法中，以有效地引入边缘特征信息。
3.预期成果
本研究预期实现基于改进MeanShift的运动目标跟踪算法，并通过实验验证其跟踪的效果。同时，将与传统的基于模型的跟踪算法、基于特征的其他无模型跟踪算法进行比较分析，以证明该算法的优越性和实用性。
4.计划进度
|时间节点|计划进度|
|--------------|--------------------------------------|
|第一学期|研究MeanShift算法原理，进行改进方案研究|
|第二学期|实验前的准备工作，完成算法实现|
|第三学期|进行算法实验、数据采集和结果分析|
|第四学期|写作论文，准备答辩|
5.参考文献
[1]傅鹏,张亮,黄会勇,等.基于目标特征的MeanShift运动目标跟踪算法[J].计算机科学,2019,46(10):207-211.
[2]ComaniciuD,RameshV,MeerP.Kernel-basedobjecttracking[J].IEEEtransactionsonpatternanalysisandmachineintelligence,2003,25(5):564-577.
[3]WangC,YanH,LiY,etal.Objecttrackingusingnon-gaussianposteriordensitywithmeanshift[J].PloSone,2019,14(5):e0216470.
[4]张学工,李学翰.目标跟踪中的特征选取及表示[J].计算机学报,2016,39(1):1-21.