- · 清华大学与美国布鲁金斯学会联合举办高级别闭门圆桌会议 探讨中美合作路径 共同应对新冠疫情[02/06]
- · 美术学院设计团队完成2021央视春晚动漫生肖吉祥物形象及周边衍生品设计[02/05]
- · 马来西亚IOI产业集团董事长李耀昇捐赠清华大学[02/02]
- · 新时代高校助力乡村振兴交流研讨会成功举办[02/01]
- · 清华大学电子工程系陆明泉教授荣获美国导航学会瑟洛奖并当选会士[01/29]
- · 清华大学全球战略布局项目2021年度工作交流会召开[01/23]
- · 清华大学召开2021年两院院士新春座谈会[01/20]
- · 清华大学召开2020年度校领导班子民主生活会[01/19]
基于目标运动信息的Mean Shift跟踪算法研究
作者:王辉 于立君 郭涛 原新 陈虹丽
关键词: 目标跟踪 显著性检测 混合高斯模型 加权描述
摘要：目标跟踪是计算机视觉实践课程中学生选课率最高的实验项目。针对传统Mean Shift跟踪算法无法克服复杂环境下背景颜色干扰的问题,提出一种基于目标运动信息的Mean Shift跟踪算法。通过引入显著性检测MSS算法,实现对传统MOG(混合高斯模型)算法的改进,并利用改进的MOG算法,检测场景图像中的运动目标信息,对Mean Shift框架下的目标模型进行加权描述,提高目标和背景的区分度,减少背景信息对目标定位的干扰。实验结果表明,改进算法可以对视频流中的运动目标进行较准确的实时跟踪。