移动摄像下的目标跟踪算法

移动摄像下的目标跟踪,可能由于摄像机的移动和复杂背景,出现目标模型变化较大,目标相对运动速度较快,背景遮挡等问题,对算法的实时性和鲁棒性要求更高。提出了一种组合二帧差分法、均值漂移算法(Mean Shift)和卡尔曼滤波(Kalman filtering)的跟踪算法。该算法首先设计了基于加速稳健特征匹配算法(SURF)的二帧差分法消除摄像机移动的不良影响,然后由卡尔曼滤波给出目标的预测位置,并以此为中心,初始化Mean Shift算法进行目标跟踪。此方法提高了空中武器装备稳定跟踪和打击坦克等地面目标的能力,为反坦克等军事领域提供了新的改进方向。实验结果表明,在移动摄像下,该算法较几种传统的跟踪方法都具有更好的跟踪性能。