基于Mean Shift的实时目标跟踪算法开题报告

1. 研究目的与意义

一、背景目标跟踪的发展是随着计算机的发展而发展的。

二十世纪 80 年代前，由于计算机技术的限制，当时处理的主要以静态图为主。

80 年代以后，因为 optical flow（光流法）被提出后，动态图像序列分析进入了一个高潮，其中对optical flow 研究的热潮一直持续到二十世纪 90 年代中期，但是因为 optical flow 的运算量非常大，很难满足实时性的要求，而且由于 optical flow 对噪音非常的敏感，很容易产生误差，所以这些缺点使得 opticalflow 与实际使用还有很大的差距。

2. 研究内容和预期目标

一、主要研究内容1.简单了解几种常见的目标跟踪算法。

2.主要了解mean shift 算法的跟踪算法，算法原理、应用领域、算法设计、技术特点以及它的优缺点。

3.运用 matlab 仿真软件实现目标跟踪。

3. 研究的方法与步骤

一、研究方法1.目标捕获：采用帧差法获取目标大概位置，采用改进的差异累计图像法消除背景对目标粗定位的影响，并利用直方图信息实现目标完整分割2.跟踪目标：采用基于目标特性的跟踪算法Mean shift算法。

二、步骤（1)目标捕获：图像预处理、运动目标粗定位、运动目标精分割、特征模板提取（2）Mean shift算法 1.计算当前点的偏移均值 2.将这个当前点再移动到计算出来偏移均值的位置 3.再以这个点为起始点，继续进行移动，一直到满足条件以后才停止这个过程

4. 参考文献

[1]Dorin Comaniciu，Visvanathan Ramesh，Peter Meer．Real-time Tracking of Non-rigid Objects using Mean Shift．IEEE CVPR 2000[2]朱胜利.Mean Shift及相关算法在视频跟踪中的研究.浙江大学,2006[3]文志强,蔡自兴.Mean Shift算法的收敛性分析[J].软件学报,2007,18(2):205-212[4]周芳芳,樊晓平,叶榛.均值漂移算法的研究与应用.控制与决策,2007,22(8):843-846[5]Milan Sonka等著,艾海舟等译.图像处理、分析与机器视觉（第二版）.北京：人民邮电出版社，2003[6]李培华，一种改进的Mean-Sshift跟踪算法[J].自动化学报，2007，3（4）：316-348.[7]钱惠敏，茅耀斌，王执铨，自动选择跟踪窗尺度的Mean-Shift算法[A]:第十三届全国图像图形学学术会议论文集[C]:2006年[8]王永忠，梁彥，趙春暉，等.基於多特征自適應融合的核跟蹤方法[J].自動化學報，2008，34(4)：393-399.[9]RUBNER Y,TOMASI C,GUIBAS LJ.The earthmover's distance as a metric for image retrieval[J].International Journal of Computer Vision, 2000, 40(2):99-121窗体底端[10]FREEDMAN D,TUREK M. Illumination-invariant tracking via graph cuts[C]. IEEE Computer Society Conference on Computer Vision and Pattern Recognition.Sna Diego:IEEE Press,2005: 10-17

5. 计划与进度安排

（1）2022.1.19-2022.3.21查阅资料，填写开题报告，完成外文资料的翻译。

（2）2022.3.22-2022.3.31熟悉开发环境。

（3）2022.4.1-2022.4.11研究mean shift算法的基本原理及其在目标跟踪方面的应用。