主要工作

课题研究的主要任务和工作如下：

（1）系统学习计算机视觉理论知识；

（2）学习目标跟踪的基本理论和主要方法，了解目前目标跟踪的技术应用及主要研究；

（3）重点研究了Mean Shift算法，深入理解该算法的理论体系，通过实验，对该算法的性能进行了验证和分析。

论文主要内容

本文共分五章，讨论、研究了Mean Shift目标跟踪算法，全文各章的主要内容安排如下：

第一章为绪论部分主要介绍了选题背景和研究意义，即目标跟踪在国内外研究现状，概述本文的主要工作和各章节安排；

第二章，详细深入地论述了目标跟踪的算法，并介绍了几种实现目标跟踪的实验环境；

第三章，对Mean Shift理论进行了阐述，简单介绍了无参密度估计和颜色空间的选取；

第四章，根据第三章阐述的Mean Shift算法的跟踪原理进行实验，验证分析分析算法的优劣性；

第五章，总结完成的主要工作，同时提出本文的不足之处以及展望。

......

第三章介绍了Mean Shift目标跟踪算法的跟踪原理，本章实验设计的目的是通过几个视频序列对Mean Shift算法的性能进行实验分析。本文从多个角度去考虑设计实验，实验结果在显示算法的良好性能的同时也显示了算法的一些不足。

......

将行人的白色上衣作为跟踪的目标，利用Mean Shift目标跟踪算法进行跟踪实验，结果如图4.2所示。A是序列的首帧图像；B中的红色矩形框内的图像是人工选取的目标模板。C到F分别是对测试序列中的第221帧、第400帧、第552帧与第643帧的跟踪结果。

从图4.2看出在整个跟踪过程中，跟踪顺利完成，跟踪框始终紧紧锁定目标，没有出现误跟和跟丢现象。由此得出，Mean Shift目标跟踪算法在背景简单、没有遮挡等复杂环境影响的情况下可以较好的跟踪目标。

......

实验总结

通过对Mean Shift算法在目标跟踪中应用的介绍以及实验结果，可以得出Mean Shift算法用于目标跟踪有以下几个优势：

（1）算法对参数要求不高，在初始帧中手动或自动选定要跟踪的目标的区域以后，核窗宽也随之确定了，此后在整个目标跟踪过程均无需再输入其他的参数；

（2）算法计算复杂度不大，一定条件下可以保证跟踪的准确性、鲁棒性；

Mean Shift目标跟踪算法在以下几个方面还需要改进：

（1）当目标和背景的颜色相似时，使用颜色直方图来描述目标的特征已经不太合适。此时可以考虑选取其他的特征，例如目标的纹理来建立特征空间。

（2）当核窗框大小固定，目标的尺寸却发生变化时，而Mean Shift没有模板更新能力，在整个跟踪过程中，跟踪框大小始终不变，也会丢失目标信息，使得跟踪失败；文献[20]采用正负10%的增量对核窗宽进行了修正；文献[5]提出了一种基于Canny边缘检测的核窗宽自动选取方法，该算法计算量小、易实行，但是缺点是只适用于目标与背景的区分度大，且背景干扰少的情况；文献[24]将仿射模型应用与核函数带宽的自适应选择中,很好的解决了核函数带宽自适应问题。

（3）当目标区域......