CAMSHIFT与基于核的目标跟踪算法的比较与分析

doi:10.3778/j.issn.1002-8331.2009.28.053

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (28): 177-179.DOI: 10.3778/j.issn.1002-8331.2009.28.053

• 图形、图像、模式识别 • 上一篇下一篇

CAMSHIFT与基于核的目标跟踪算法的比较与分析

宁纪锋^1，2，姜光²，吴成柯²

1.西北农林科技大学信息工程学院，陕西杨凌 712100
2.西安电子科技大学综合业务网国家重点实验室，西安 710071

收稿日期:2008-12-29 修回日期:2009-02-13 出版日期:2009-10-01 发布日期:2009-10-01
通讯作者: 宁纪锋

Comparison and analysis of CAMSHIFT and kernel based on object tracking

NING Ji-feng^1，2，JIANG Guang²，WU Cheng-ke²

1.College of Information Engineering，Northwest A&F University，Yangling，Shaanxi 712100，China
2.State Key Laboratory of ISN，Xidian University，Xi’an 710071，China

Received:2008-12-29 Revised:2009-02-13 Online:2009-10-01 Published:2009-10-01
Contact: NING Ji-feng

摘要/Abstract

摘要： CAMSHIFT和基于核的目标跟踪是两种经典的基于Mean Shift的目标跟踪算法，它们的实现过程有许多类似之处。为了说明在实际应用中如何选择合理的跟踪方案，从目标模型、候选模型、核函数、迭代过程等方面对二者进行了深入的比较和分析，指出了二者的特点和区别，对于正确理解和使用这两种方法将会有一定的帮助。

关键词: Mean Shift, 连续自适应均值移动跟踪算法（CAMSHIFT）, 基于核的目标跟踪, 权值图像

Abstract: CAMSHIFT and kernel based object tracking are two classical tracking models based on mean shift algorithm，which are very similar in many ways.In order to guide to select the proper tracking method in the real application，this paper analyzes them and points the difference between them from target model，candidate model and iteration equation.The discussion on them will provide a useful help for the proper understanding and use of these two tracking models.

Key words: Mean Shift, Continuously Adaptive Mean Shift（CAMSHIFT）, kernel based object tracking, weight image

中图分类号:

TP391.4

宁纪锋^1，2，姜光²，吴成柯². CAMSHIFT与基于核的目标跟踪算法的比较与分析[J]. 计算机工程与应用, 2009, 45(28): 177-179.

NING Ji-feng^1，2，JIANG Guang²，WU Cheng-ke². Comparison and analysis of CAMSHIFT and kernel based on object tracking[J]. Computer Engineering and Applications, 2009, 45(28): 177-179.

[1]	耿建平，雷梦英. Mean Shift和粒子滤波实现红外人体跟踪算法综述[J]. 计算机工程与应用, 2019, 55(24): 29-36.
[2]	丁晓凤，尚振宏，刘辉，陈熙. 基于Mean Shift的多模板目标跟踪算法[J]. 计算机工程与应用, 2017, 53(6): 141-144.
[3]	吴桐1，2，王玲2，李钟敏1，何凡1. 基于混合观测模型的粒子滤波跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 172-177.
[4]	吴琴琴1，2，马苗1，2，3. 基于自适应Mean Shift算法的彩色图像滤波[J]. 计算机工程与应用, 2016, 52(10): 201-206.
[5]	梅洪，陈昭炯. 基于Mean Shift和FDoG的图像卡通化渲染[J]. 计算机工程与应用, 2016, 52(10): 213-217.
[6]	李晗，王瑜，薛红. 光照和尺度自适应的Mean Shift人脸跟踪算法[J]. 计算机工程与应用, 2014, 50(5): 156-159.
[7]	宋康康，陈恳，郭运艳. 漂移系数优化颜色直方图的Mean Shift算法[J]. 计算机工程与应用, 2014, 50(13): 173-177.
[8]	熊平，白云鹏. 带宽自适应Mean Shift图像分割算法[J]. 计算机工程与应用, 2013, 49(23): 174-176.
[9]	包旭1，杜凯2，田浩2. 基于改进Mean Shift和SURF的目标跟踪[J]. 计算机工程与应用, 2013, 49(21): 133-137.
[10]	张航1，李梦丽2，杨清波2. 基于小生境遗传算法的粒子滤波算法[J]. 计算机工程与应用, 2013, 49(18): 191-194.
[11]	李维，刘良明，杜娟. 针对FY2E影像的白天雾检测研究[J]. 计算机工程与应用, 2012, 48(8): 4-7.
[12]	王美珍，王玲，赵文娴. 医药大输液中可见微小异物检测方法研究[J]. 计算机工程与应用, 2012, 48(34): 190-194.
[13]	杨哲辉1，郭雷1，胡喆2，余博1. 模糊自适应运动目标跟踪算法[J]. 计算机工程与应用, 2012, 48(23): 181-184.
[14]	曹楠，王萍，李靖. 非线性Mean Shift收敛性分析[J]. 计算机工程与应用, 2012, 48(19): 171-173.
[15]	李云帆，马洪超. 从LiDAR数据中提取建筑物平面目标的新方法[J]. 计算机工程与应用, 2011, 47(10): 5-7.

CAMSHIFT与基于核的目标跟踪算法的比较与分析

Comparison and analysis of CAMSHIFT and kernel based on object tracking

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics