《表2 尺度变化情况下的红外人体跟踪》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《Mean Shift和粒子滤波实现红外人体跟踪算法综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对上述所提Mean Shift算法缺陷之一，岳雨豪[16]利用混合高斯模型实现人体包围框大小的更新，该算法实现了相似灰度干扰存在时的运动目标跟踪，且拥有较传统算法更高的定位精度，但却无法应对目标快速运动时的跟踪。李孟儒[17]和单伟[18]均利用一个周期内阈值分割获得的面积变化来实现核窗宽的更新及跟踪框的自适应变化，但是前者所提方法无法应对目标快速移动或者发生复杂姿态变化时的情况；而后者所提方法无法解决单个人体发生遮挡时目标尺度变化的跟踪问题。郭永彩等人[19]借助红外图像梯度、亮度线索获取人体边界区域大小来调整核窗宽，但是该算法计算量较大、实时性较低及易受高亮物体的干扰。Comaniciu等人[20]提出了核窗宽±10%修正的方法来应对目标尺度缩小的跟踪问题，但却无法处理目标逐渐增大的跟踪问题。表2详细汇总了文献[17-20]针对Mean Shift算法固定核窗宽问题所采用的改进方法，由此解决红外人体尺度变化时的跟踪。