面向交通流检测的Mean Shift多目标自适应跟踪算法

随着社会的发展,交通问题越来越严重,交通流检测技术是解决这一问题的重要途径,而目标跟踪又是交通流检测中必不可少的一部分。目前在目标跟踪领域Mean Shift算法是被广泛采用的技术,但是传统的Mean Shift跟踪算法计算量很大,难以实现交通流检测中的多目标实时追踪。鉴于此,提出一种基于线性预测的Mean Shift跟踪算法。该算法引入一个预测矢量,用来预测目标在下一帧可能出现的位置,在跟踪时算法从预测的位置开始迭代,直至收敛于目标真实位置。实验结果表明,该算法从很大程度上提高了原有算法的效率,有利于实时跟踪。而且,为了解决Mean Shift跟踪算法中核函数带宽自适应的问题,还提出了一种基于比较目标中心灰度比例变化来实现带宽自适应更新的新方法。