運用mean-shift算法的智能目標跟蹤控制系統(tǒng).pdf

1、動目標跟蹤技術是實現(xiàn)智能控制系統(tǒng)的關鍵技術，它結合了圖像處理、模式識別及自動控制等多學科的研究成果，運用其中的關鍵技術對輸入的圖像序列進行處理分析，實現(xiàn)對運動目標進行檢測和跟蹤。運動目標跟蹤可分為靜態(tài)背景目標跟蹤和動態(tài)背景目標跟蹤。靜態(tài)背景目標跟蹤已經(jīng)有許多成熟理論；而動態(tài)背景下對目標的跟蹤，依然存在很多問題。比如，定位的精確度和系統(tǒng)實時性之間的矛盾，很難達到一個平衡點。
　　而mean-shift算法提供了解決這一矛盾的新方法，

2、因為該算法是基于無參密度估計的目標搜索算法，它運用梯度最陡下降法對目標進行迭代尋優(yōu)，計算量??；并且該算法對運動背景不敏感，可以運用到背景存在運動的場合下。本文重點研究了mean-shift算法，并針對其缺點提出了一些改進措施，主要包括以下幾個方面：
　　(1)對無參概率密度估計、核函數(shù)、梯度估計及加權函數(shù)的選擇進行了深入的研究，為算法的改進奠定了基礎；
　　(2)針對搜索窗口固定帶來的問題，本文運用不變矩的方法對搜索窗口進行

3、自適應調(diào)整，并且運用Kalman濾波對窗口尺寸進行預測，使得定位更為精確；
　　(3)針對目標遮擋時算法失效的問題，本文提出了Kalman濾波和mean-shift算法相結合對目標進行搜索，通過運用Kalman濾波殘差、目標面積和Bhattacharyya系數(shù)相結合對目標遮擋進行判斷，實現(xiàn)了對遮擋目標的有效跟蹤；
　　(4)對步進電機驅(qū)動技術進行研究并設計硬件驅(qū)動電路。
　　在自動控制方面，本文采用ARM嵌入式和步進電