摘要：针对视频序列中多目标的跟踪问题,提出一种基于mean-shift和粒子滤波的多目标混合跟踪算法,采用目标之间的距离门限和相似度门限作为转换条件,有效地结合mean-shift算法的简单快速和粒子滤波跟踪算法的抗遮挡的优点。实验结果表明,该算法在对多目标跟踪时能在保证跟踪效果的同时减少跟踪的时间花费,有效提高了设计的跟踪系统的实时性。

摘要：为了快速、准确地对视频序列中的行人进行检测和跟踪,提出了一种基于运动区域的mean-shift行人检测和跟踪算法。采用改进的背景差分的三帧间差分法对运动区域进行提取,并通过离线训练的HOG分类器对行人进行识别。提出采用基于mean-shift的轮廓跟踪算法对行人进行实时跟踪。实验结果表明,该算法能够将不包含行人信息的区域进行筛选排除,在不降低检测效果的情况下明显提高了行人检测及跟踪的效率,具有较强的鲁棒性。

摘要：从图像分割理论出发,着重阐述了 mean-shift 分割算法的原理,并尝试将 mean-shift 分割的结果应用到城市变化检测中。试验证明,这种方法是有效的,大大提高了变化检测的效率。

摘要：粒子滤波器由于摆脱了高斯分布的约束条件,已经成为一种主流的、面向目标的非线性运动跟踪算法,广泛应用于视频压缩与检索、智能视频监控、智能人机交互等领域,其缺点是计算复杂度高、计算量庞大,无法满足实时应用的需求。针对粒子滤波器在计算量、实时性及粒子退化方面存在的问题,提出了将mean-shift算法嵌入粒子滤波器,对重要性采样分布进行优化,以较少的采样粒子实现视频目标跟踪。仿真实验结果显示,联合mean-shift的粒子滤波算法在目标跟踪过程中具有较好的实时性与鲁棒性。

摘要：给出了采用mean-shift与Camshift相结合的方法来设计一种基于视频图像的火焰跟踪处理算法。该算法首先利用mean-shift方法分割图像并确定火焰区域,然后在此区域内提取特征,再用Camshift算法进行火焰跟踪。此方法利用火焰图像的高亮特征,克服了传统Camshift算法需要人为定位和容易发散等缺点。

摘要：针对视频序列中多目标的跟踪问题,提出一种基于mean-shift和粒子滤波的多目标混合跟踪算法,采用目标之间的距离门限和相似度门限,结合mean-shift算法和粒子滤波跟踪算法解决了目标遮挡的问题.实验结果表明,该算法能在保证多目标跟踪效果的同时减少跟踪的时间,有效提高了设计的跟踪系统的实时性.

摘要：针对视频序列中目标的跟踪问题,提出了一种基于模版匹配的多目标跟踪算法。该算法提取目标模版灰度分布特征,并在目标匹配过程中采用Bhattacharyya系数在图像中寻找相似性最高的区域。仿真结果表明,用该算法进行多目标跟踪时,跟踪性能远优于其它特征匹配算法和多模型算法,而且计算量小,能保证跟踪的实时性。

摘要：针对经典mean-shift跟踪算法需要多次迭代才能达到收敛的缺点,提出一种高效的mean-shift跟踪算法。在使用颜色空间作为目标特征的跟踪系统中,目标本身往往可以表征为区别于背景的颜色特征,而颜色特征的分布则与偏移向量的权值相对应。通过分析跟踪算法中不同的权值对收敛速度的影响,对加权系数进行了二次加权,使改进的算法只需要一次粗定位和一次精确定位2次迭代便可准确地对目标进行定位。试验结果表明,该算法在保证了经典算法准确性的同时,大大加快了向目标收敛的速度。

摘要：为实现对运动目标实时指示激光束的非机械电控制,建立了基于光学相控阵的目标指示系统.首先,根据光学相控阵原理和空间光调制特性,对预设指示图添加共轭对称项,利用快速傅里叶变换计算全息法生成的全息图进行制表.其次,在图像传感器采集视频下,运用基于核函数密度估计的改进mean-shift目标跟踪算法,获取多目标位置信息,查表并载入全息信息,完成全息图的实时更新.最后,利用空间光滤波特性,设计光电再现环节,消去冗余项并完成全息再现过程.实验发现:对8bit灰度全息图,系统每秒的指示速度均在60帧以上,各部件效能达到最大化.满足了目标指示系统稳定性、实时性、准确性等要求,理论算法和实验结果也验证了该系统的有效性.

摘要：针对传统图像水彩风格生成算法时间效率低,且容易出现色彩不协调的问题,提出一种基于奇异值分解SVD(singular value decomposition)的图像水彩风格绘制算法。利用SVD算法提取图像的主成分,再通过mean-shift算法实现图像的水彩风格效果。采用色彩传递算法,改善图像水彩风格的色彩视觉效果。实验结果表明,该算法实现的水彩风格艺术效果良好,可提高时间效率,同时色彩传递技术也使得水彩风格的艺术效果更加灵活多变。