3.3 均值移动算法理论    19
3.3.1 多变量核函数生成方法    20
3.3.2 核密度梯度估计    20
3.3.3 均值移动算法的推导    21
3.3.4 均值移动算法收敛性分析    23
3.4 本章小结    24
4 算法应用与理论分析    25
4.1 Mean Shift算法在视频跟踪方面的应用    25
4.2 目标模型建立    25
4.2.1 构造跟踪目标模型    25
4.2.2 构造候选目标模型    26
4.3 选择相似性度量函数    27
4.4 候选跟踪目标的定位    28
4.5 均值移动跟踪算法描述及实现    29
4.5.1 均值移动跟踪算法描述    29
4.5.2 算法实现    30
4.5.3 实验结果    33
4.6 计算复杂度分析    34
4.7 本章小结    34
结  论    35
致  谢    37
参 考 文 献    38
1  绪论
1.1  视频跟踪算法研究的背景与意义
计算机视觉是包含了计算机模式识别、图像处理、计算机图形学、人工智能、神经网络、物理学和数学等多门学科的一门综合性研究领域。计算机视觉研究的一个重要目的就是使得计算机能够感知周围物体的外部信息，包括它们的形态、位置、姿态、运动情况等，通过对这些得到的信息进行进一步的识别与理解而得到视频高层语义，已经成为目前最受重视的研究领域之一。
视频分析作为计算机视觉研究领域的一部分，包含了它的中层和高层处理阶段，即通过对视频序列进行分析处理从而得到视频中物体的运动规律，从而为系统的决策提供语义信息和非语义信息等方面的支持，包括运动检测、目标分类、目标跟踪、行为理解、事件检测等。运动目标跟踪属于视频分析的内容，作为计算机视觉领域的一个重要分支，被越来越广泛地应用到科学技术、医药卫生、航天航空、国防建设以及国民建设的各个领域，因而对目标跟踪技术的研究具有重大的实用价值，是一种具有广阔的发展前景技术。目标跟踪技术目前主要存在有三大应用课题:
   车辆跟踪:车辆跟踪系统可以实时地获取各个交通道路的疏通情况，譬如哪个路段发生了交通事故造成交通堵塞了，从而得到交通堵塞报告，通过向驾驶者发布这个报告使得驾驶者可以调整自己的驾车路线;同时，车辆监控系统还可以通过跟踪识别车辆的车牌，知道哪辆车违规驾驶，从而通过传票对非法驾驶者进行罚款。
人机交互:人机交互系统通过观察人们的动作操作各种设备。譬如，系统检测到你要离开房子了，就会自动把房子里面的灯光全部熄灭掉。当你做出一个动作时候，系统通过检测这个动作，会给你自动切换电视频道。
令公共场所监视:监视系统可以显示系统感兴趣的人的行为动作。在银行，可以通过监测关顾自动取款机的顾客，查出是谁在某个时刻盗用了别人的银行卡进行取款。海关监测系统可以通过监视系统，知道是哪些人于何时出入了海关，为侦查部门提供重要信息。一个正常的视频跟踪系统通常包含以下几个部分:图像采集、数据通信、视频图像处理、传感器控制与伺服系统等。如下图所示:
                           图1.1 视频跟踪系统结构图
图像采集利用摄像机获得监控场所的光学图像，采用视频卡和视频检测技术，然后通过A/D转换将视频信号转换计算机能够进行处理的数字图像序列，为进一步的视频处理提供数据。随着新型固体摄像器件如CMOS、CCD等制作工艺逐渐成熟，其集成度和空间分辨率得到了很大的提高，而且结构简单，信噪比高，因此在视频摄像机中得到了广泛应用。这为摄像机的普及提供了有利条件。 Matlab视频序列中的目标跟踪技术研究(2):http://www.751com.cn/jisuanji/lunwen_8096.html