2021年基于镜像MEAN SHIFT的遮挡目标跟踪算法(2)

基于镜像Mean Shift的遮挡目标跟踪算法(2) 基于镜像Mean Shift的遮挡目标跟踪算法 在部分遮挡的场景下，采用传统的Mean Shift目标跟踪算法融合颜色特征和轮廓特征描述目标和

基于镜像Mean Shift的遮挡目标跟踪算法(2) 基于镜像Mean Shift的遮挡目标跟踪算法 在部分遮挡的场景下，采用传统的Mean Shift目标跟踪算法融合 颜色特征和轮廓特征描述目标和采用固定尺寸的矩形窗跟踪目标， 在精度要求不高的情况下可取得不错的跟踪效果。而在全遮挡和要 求精度稍高的情况下，传统算法具有局限性。因此本文采用一种基 于镜像Mean Shift的遮挡目标跟踪算法来优化算法。在部分遮挡和 没有遮挡的情况下，采用改进的Bhattacharyya系数来优化传统的 目标定位方法，而跟踪窗采用可自适应的沙包窗跟踪目标;根据前后 帧Bhattacharyya系数匹配度是否大于80%判断目标是否遮挡，当 大于80%说明目标是没有遮挡或者部分遮挡，传统算法仍然可以跟 踪，否则，根据记录的先前序列号和位置信息利用镜像原理可以预 测出目标的尺寸大小和位置信息，实现跟踪。 2.1Bhattacharyya系数的选取 Bhattacharyya系数是衡量目标参考模型和候选模型的最大相似 度，当取得最大相似度时可以定位目标，同时也可以根据前后两帧 的相似度是否小于80%来判定目标是否被完全遮挡，条件成立时则 判定为完全遮挡，跟踪方式转换为镜像Mean Shift目标跟踪模式， 以便更好地跟踪目标。传统的Bhattacharyya系数计算有根号运