基于視頻的車輛檢測技術(shù)課件

15基于視頻的車輛檢測技術(shù)機電工程學(xué)院自動化系李穎宏15基于視頻的車輛檢測技術(shù)機電工程學(xué)院自動化系5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.1視頻檢測技術(shù)概述（定義）基于視頻的車輛檢測技術(shù)能夠通過非物理手段檢測到通過車輛，是利用視頻圖像進行車輛檢測的一種交通檢測技術(shù)。視頻車輛檢測是以采用攝像機作為檢測裝置，通過檢測車輛進入監(jiān)測區(qū)時視頻圖像某些特征的變化，從而得知車輛的存在，并以此來檢測交通流參數(shù)獲獲取車輛的特征信息。它涉及計算機圖像處理、模式識別、信號處理和信號融合等多個學(xué)科。5.1視頻檢測技術(shù)概述（定義）基于視頻的車輛檢測技術(shù)能夠通5.1視頻檢測技術(shù)概述（優(yōu)勢）相對于其他檢測技術(shù)，視頻檢測具有如下優(yōu)勢：安裝簡便，無需破壞路面，易于移動、調(diào)整檢測器位置，維護費用低、升級容易，兼容現(xiàn)有的檢測方法；直觀可靠，便于管理人員干預(yù)，檢測范圍廣，獲取信息豐富；可提供現(xiàn)場錄像，重現(xiàn)交通場景，為研究交通行為、改進交通管理方法和處理交通事故提供了大量的信息；對周圍環(huán)境沒有影響，不會造成污染，相同檢測器之間也不會發(fā)生干擾。5.1視頻檢測技術(shù)概述（優(yōu)勢）相對于其他檢測技術(shù)，視頻檢測5.1視頻檢測技術(shù)概述（示例）5.1視頻檢測技術(shù)概述（示例）5.1視頻檢測技術(shù)概述（檢測內(nèi)容）視頻可檢測內(nèi)容:-道路條件-交通流-交通事件-交通環(huán)境-其他5.1視頻檢測技術(shù)概述（檢測內(nèi)容）視頻可檢測內(nèi)容:5.1視頻檢測技術(shù)概述（系統(tǒng)結(jié)構(gòu)）路口視頻采集網(wǎng)絡(luò)視頻傳輸中心管理系統(tǒng)5.1視頻檢測技術(shù)概述（系統(tǒng)結(jié)構(gòu)）路口視頻采集網(wǎng)絡(luò)視頻傳輸5.1視頻檢測技術(shù)概述（交叉口安裝）交叉口攝像機的安裝與配置。5.1視頻檢測技術(shù)概述（交叉口安裝）交叉口攝像機的安裝與配5.1視頻檢測技術(shù)概述（流程與功能）圖像平滑、去噪，增強。計算交通量、速度，密度。目標(biāo)檢測與跟蹤算法是視頻檢測技術(shù)的基礎(chǔ)，這一步需要發(fā)現(xiàn)目標(biāo)，并獲取其軌跡。5.1視頻檢測技術(shù)概述（流程與功能）圖像平滑、去噪，增強。5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.2視頻目標(biāo)檢測技術(shù)（定義）對視頻序列圖像進行處理，將感興趣的目標(biāo)物體區(qū)域從背景區(qū)域中提取出來，得到目標(biāo)的位置、大小等數(shù)據(jù)。為后續(xù)目標(biāo)跟蹤、目標(biāo)識別與分析提供支持。利用了計算機視覺、數(shù)字圖像處理、模式識別等技術(shù)?？梢苑譃榛诜悄Ｐ偷臋z測方法和基于模型的檢測方法，主要有幀間差分法、光流場法、背景差分法等。5.2視頻目標(biāo)檢測技術(shù)（定義）對視頻序列圖像進行處理，將感5.2視頻目標(biāo)檢測技術(shù)（前景與背景）目標(biāo)檢測的一個重要任務(wù)就是把圖像中的內(nèi)容劃分為前景和背景，所謂前景一般就是指的所要檢測的目標(biāo)，一般是運動的，而背景是相對靜止的。人很容易分辨前景和背景，因為人的大腦中構(gòu)建了一幅不斷更新的背景圖像，從而使得目標(biāo)檢測非常容易。5.2視頻目標(biāo)檢測技術(shù)（前景與背景）目標(biāo)檢測的一個重要任務(wù)5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）高斯背景建模是目標(biāo)檢測領(lǐng)域的經(jīng)典方法，用概率分布函數(shù)的形式給出了背景圖像的數(shù)學(xué)描述。半?yún)?shù)的多維概率密度函數(shù)估計的方法，使用K個高斯模型來表征圖像中各個像素點的特征。通過對每個分布的參數(shù)(均值、方差和權(quán)重)的在線學(xué)習(xí)更新，能夠很好地適應(yīng)場景的緩慢變化。5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）高斯背景建模是目標(biāo)檢5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）定義當(dāng)前像素點的概率密度函數(shù)為K個高斯模型的概率密度函數(shù)的加權(quán)之和

：5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）定義當(dāng)前像素點的概率5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）原始圖像，背景和前景混合在一起高斯背景建模，只剩下背景最后得到前景目標(biāo)圖像5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）原始圖像，背景和高斯5.2視頻目標(biāo)檢測技術(shù)（車牌檢測）車號牌是指在法定機關(guān)登記的準(zhǔn)予機動車在中華人民共和國境內(nèi)道路上行駛的法定標(biāo)志。號牌一般在機動車輛的特定位置懸掛，其號碼是機動車登記編號。由于車牌的唯一性和可識別性，因此可作為車輛的代表性特征。通過車牌識別技術(shù)得到車牌的位置、顏色和號碼，就可以對相應(yīng)車輛進行定位。5.2視頻目標(biāo)檢測技術(shù)（車牌檢測）車號牌是指在法定機關(guān)登記5.2視頻目標(biāo)檢測技術(shù)（車牌樣式）5.2視頻目標(biāo)檢測技術(shù)（車牌樣式）5.2視頻目標(biāo)檢測技術(shù)（車牌識別流程）5.2視頻目標(biāo)檢測技術(shù)（車牌識別流程）5.2視頻目標(biāo)檢測技術(shù)（難點：車牌定位）車牌部分紋理變化大，用震動能量的方法定位5.2視頻目標(biāo)檢測技術(shù)（難點：車牌定位）車牌部分紋理變化大5.2視頻目標(biāo)檢測技術(shù)（字符分割）車牌字符連通性分析，可以分割字符5.2視頻目標(biāo)檢測技術(shù)（字符分割）車牌字符連通性分析，5.2視頻目標(biāo)檢測技術(shù)（字符識別）圖像到數(shù)字和字母的轉(zhuǎn)換，使用機器學(xué)習(xí)方法實現(xiàn)5.2視頻目標(biāo)檢測技術(shù)（字符識別）圖像到數(shù)字和字母的轉(zhuǎn)換，5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.3視頻目標(biāo)跟蹤方法（定義）目標(biāo)跟蹤指在圖像序列中持續(xù)地估計出感興趣的運動目標(biāo)所在區(qū)域（位置），形成運動目標(biāo)的運動軌跡；有時還需要估計出運動目標(biāo)的某些運動參數(shù)（比如速度、加速度等）。運動車輛跟蹤是智能交通系統(tǒng)的關(guān)鍵技術(shù)之一，它能夠提供基本的交通流參數(shù)，并且能夠為進一步分析車輛行為奠定基礎(chǔ)。5.3視頻目標(biāo)跟蹤方法（定義）目標(biāo)跟蹤指在圖像序列中持續(xù)地5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）卡爾曼濾波是目標(biāo)跟蹤方面的經(jīng)典方法，通過建立狀態(tài)空間模型，把跟蹤問題表示為動態(tài)系統(tǒng)的狀態(tài)估計問題。在貝葉斯(Bayesian)理論框架下已知目標(biāo)狀態(tài)的先驗概率，在獲得的測量值后不斷求解目標(biāo)狀態(tài)的后驗概率的過程。該方法假設(shè)系統(tǒng)為線性，噪聲為高斯分布。根據(jù)新的數(shù)據(jù)和前一時刻諸量的估計值，借助系統(tǒng)本身的狀態(tài)轉(zhuǎn)移方程，按照一套遞推公式，即可計算出新的諸量的估計值。5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）卡爾曼濾波是目標(biāo)跟蹤方5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）

被跟蹤的車輛車輛輪廓最小外接矩形車輛跟蹤軌跡，（向遠處行駛）5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）被跟蹤的車輛車輛輪5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift算法是一種非參數(shù)概率密度估計算法，該算法是一種利用計算像素特征點概率密度梯度而獲得問題解決的最優(yōu)化方法。通過迭代快速收斂于概率密度函數(shù)的局部最大值，實現(xiàn)快速目標(biāo)定位，能夠?qū)Ψ莿傂阅繕?biāo)實時跟蹤，對目標(biāo)的變形，旋轉(zhuǎn)等運動有較好的適用性。MeanShift算法是一種半自動跟蹤方法，MeanShift向量不斷沿著概率密度的梯度方向移動，從而實現(xiàn)對目標(biāo)真實位置以最大概率的正確跟蹤。5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift算法5.3視頻目標(biāo)跟蹤方法（均值飄移）在領(lǐng)域搜索MeanShift向量，目標(biāo)在概率密度最大的地方。經(jīng)過幾次迭代，找到移動后目標(biāo)所在位置。5.3視頻目標(biāo)跟蹤方法（均值飄移）在領(lǐng)域搜索MeanS5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift車輛行駛跟蹤效果。車輛自遠處行駛到近處。5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift車5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.4視頻檢測技術(shù)的應(yīng)用（主要功能）基于視頻的車輛檢測技術(shù)除了能提供傳統(tǒng)檢測技術(shù)的交通參數(shù)，如車道占有率、車流量、車輛行駛速度等基本參數(shù)，還能夠提供分車道、分車型、分行駛方向的更為全面的統(tǒng)計。基于視頻的車輛檢測技術(shù)不僅能夠廣泛的應(yīng)用于高速公路、普通路、橋梁、隧道等的交通參數(shù)的實時統(tǒng)計。對超速車輛進行抓拍，可以提高高速執(zhí)法力度，減少違章行為，減少事故發(fā)生。5.4視頻檢測技術(shù)的應(yīng)用（主要功能）基于視頻的車輛檢測技術(shù)5.4視頻檢測技術(shù)的應(yīng)用（違法檢測）判斷車輛右/左轉(zhuǎn)、逆向行駛、壓線、跨線、違反禁止線等違法行為。5.4視頻檢測技術(shù)的應(yīng)用（違法檢測）判斷車輛右/左轉(zhuǎn)、逆向5.4視頻檢測技術(shù)的應(yīng)用（違法檢測）對圖像范圍進行速度點位標(biāo)定，結(jié)合視頻分析車輛軌跡，測量車速。5.4視頻檢測技術(shù)的應(yīng)用（違法檢測）對圖像范圍進行速度點位5.4視頻檢測技術(shù)的應(yīng)用（違法檢測）通過L1和L2的標(biāo)定，確定車輛經(jīng)過的時間t，計算車輛行駛速度v。5.4視頻檢測技術(shù)的應(yīng)用（違法檢測）通過L1和L2的標(biāo)定，5.4視頻檢測技術(shù)的應(yīng)用（交通流量）交通流量統(tǒng)計用于在高速公路或環(huán)線公路上監(jiān)視交通情況。5.4視頻檢測技術(shù)的應(yīng)用（交通流量）交通流量統(tǒng)計用于在高速5.4視頻檢測技術(shù)的應(yīng)用（交通流量）進一步實現(xiàn)統(tǒng)計分析和可視化展示，以供管理和決策。5.4視頻檢測技術(shù)的應(yīng)用（交通流量）進一步實現(xiàn)統(tǒng)計分析和可5.4視頻檢測技術(shù)的應(yīng)用（小結(jié)）光照變化、陰影、雨雪天氣、單一視角下的遮擋等問題嚴(yán)重影響了視頻車輛檢測準(zhǔn)確性。未來這一領(lǐng)域的發(fā)展應(yīng)用主要圍繞上述問題的解決而展開。將來的視頻檢測與跟蹤從一定的范圍來說會朝著更智能化和大區(qū)域檢測發(fā)展，同時，大范圍、多車輛檢測與跟蹤也將使現(xiàn)代交通未來研究的熱點。5.4視頻檢測技術(shù)的應(yīng)用（小結(jié)）光照變化、陰影、雨雪天氣、385基于視頻的車輛檢測技術(shù)機電工程學(xué)院自動化系李穎宏15基于視頻的車輛檢測技術(shù)機電工程學(xué)院自動化系5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.1視頻檢測技術(shù)概述（定義）基于視頻的車輛檢測技術(shù)能夠通過非物理手段檢測到通過車輛，是利用視頻圖像進行車輛檢測的一種交通檢測技術(shù)。視頻車輛檢測是以采用攝像機作為檢測裝置，通過檢測車輛進入監(jiān)測區(qū)時視頻圖像某些特征的變化，從而得知車輛的存在，并以此來檢測交通流參數(shù)獲獲取車輛的特征信息。它涉及計算機圖像處理、模式識別、信號處理和信號融合等多個學(xué)科。5.1視頻檢測技術(shù)概述（定義）基于視頻的車輛檢測技術(shù)能夠通5.1視頻檢測技術(shù)概述（優(yōu)勢）相對于其他檢測技術(shù)，視頻檢測具有如下優(yōu)勢：安裝簡便，無需破壞路面，易于移動、調(diào)整檢測器位置，維護費用低、升級容易，兼容現(xiàn)有的檢測方法；直觀可靠，便于管理人員干預(yù)，檢測范圍廣，獲取信息豐富；可提供現(xiàn)場錄像，重現(xiàn)交通場景，為研究交通行為、改進交通管理方法和處理交通事故提供了大量的信息；對周圍環(huán)境沒有影響，不會造成污染，相同檢測器之間也不會發(fā)生干擾。5.1視頻檢測技術(shù)概述（優(yōu)勢）相對于其他檢測技術(shù)，視頻檢測5.1視頻檢測技術(shù)概述（示例）5.1視頻檢測技術(shù)概述（示例）5.1視頻檢測技術(shù)概述（檢測內(nèi)容）視頻可檢測內(nèi)容:-道路條件-交通流-交通事件-交通環(huán)境-其他5.1視頻檢測技術(shù)概述（檢測內(nèi)容）視頻可檢測內(nèi)容:5.1視頻檢測技術(shù)概述（系統(tǒng)結(jié)構(gòu)）路口視頻采集網(wǎng)絡(luò)視頻傳輸中心管理系統(tǒng)5.1視頻檢測技術(shù)概述（系統(tǒng)結(jié)構(gòu)）路口視頻采集網(wǎng)絡(luò)視頻傳輸5.1視頻檢測技術(shù)概述（交叉口安裝）交叉口攝像機的安裝與配置。5.1視頻檢測技術(shù)概述（交叉口安裝）交叉口攝像機的安裝與配5.1視頻檢測技術(shù)概述（流程與功能）圖像平滑、去噪，增強。計算交通量、速度，密度。目標(biāo)檢測與跟蹤算法是視頻檢測技術(shù)的基礎(chǔ)，這一步需要發(fā)現(xiàn)目標(biāo)，并獲取其軌跡。5.1視頻檢測技術(shù)概述（流程與功能）圖像平滑、去噪，增強。5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.2視頻目標(biāo)檢測技術(shù)（定義）對視頻序列圖像進行處理，將感興趣的目標(biāo)物體區(qū)域從背景區(qū)域中提取出來，得到目標(biāo)的位置、大小等數(shù)據(jù)。為后續(xù)目標(biāo)跟蹤、目標(biāo)識別與分析提供支持。利用了計算機視覺、數(shù)字圖像處理、模式識別等技術(shù)?？梢苑譃榛诜悄Ｐ偷臋z測方法和基于模型的檢測方法，主要有幀間差分法、光流場法、背景差分法等。5.2視頻目標(biāo)檢測技術(shù)（定義）對視頻序列圖像進行處理，將感5.2視頻目標(biāo)檢測技術(shù)（前景與背景）目標(biāo)檢測的一個重要任務(wù)就是把圖像中的內(nèi)容劃分為前景和背景，所謂前景一般就是指的所要檢測的目標(biāo)，一般是運動的，而背景是相對靜止的。人很容易分辨前景和背景，因為人的大腦中構(gòu)建了一幅不斷更新的背景圖像，從而使得目標(biāo)檢測非常容易。5.2視頻目標(biāo)檢測技術(shù)（前景與背景）目標(biāo)檢測的一個重要任務(wù)5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）高斯背景建模是目標(biāo)檢測領(lǐng)域的經(jīng)典方法，用概率分布函數(shù)的形式給出了背景圖像的數(shù)學(xué)描述。半?yún)?shù)的多維概率密度函數(shù)估計的方法，使用K個高斯模型來表征圖像中各個像素點的特征。通過對每個分布的參數(shù)(均值、方差和權(quán)重)的在線學(xué)習(xí)更新，能夠很好地適應(yīng)場景的緩慢變化。5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）高斯背景建模是目標(biāo)檢5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）定義當(dāng)前像素點的概率密度函數(shù)為K個高斯模型的概率密度函數(shù)的加權(quán)之和

：5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）定義當(dāng)前像素點的概率5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）原始圖像，背景和前景混合在一起高斯背景建模，只剩下背景最后得到前景目標(biāo)圖像5.2視頻目標(biāo)檢測技術(shù)（高斯背景建模）原始圖像，背景和高斯5.2視頻目標(biāo)檢測技術(shù)（車牌檢測）車號牌是指在法定機關(guān)登記的準(zhǔn)予機動車在中華人民共和國境內(nèi)道路上行駛的法定標(biāo)志。號牌一般在機動車輛的特定位置懸掛，其號碼是機動車登記編號。由于車牌的唯一性和可識別性，因此可作為車輛的代表性特征。通過車牌識別技術(shù)得到車牌的位置、顏色和號碼，就可以對相應(yīng)車輛進行定位。5.2視頻目標(biāo)檢測技術(shù)（車牌檢測）車號牌是指在法定機關(guān)登記5.2視頻目標(biāo)檢測技術(shù)（車牌樣式）5.2視頻目標(biāo)檢測技術(shù)（車牌樣式）5.2視頻目標(biāo)檢測技術(shù)（車牌識別流程）5.2視頻目標(biāo)檢測技術(shù)（車牌識別流程）5.2視頻目標(biāo)檢測技術(shù)（難點：車牌定位）車牌部分紋理變化大，用震動能量的方法定位5.2視頻目標(biāo)檢測技術(shù)（難點：車牌定位）車牌部分紋理變化大5.2視頻目標(biāo)檢測技術(shù)（字符分割）車牌字符連通性分析，可以分割字符5.2視頻目標(biāo)檢測技術(shù)（字符分割）車牌字符連通性分析，5.2視頻目標(biāo)檢測技術(shù)（字符識別）圖像到數(shù)字和字母的轉(zhuǎn)換，使用機器學(xué)習(xí)方法實現(xiàn)5.2視頻目標(biāo)檢測技術(shù)（字符識別）圖像到數(shù)字和字母的轉(zhuǎn)換，5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4視頻檢測技術(shù)的應(yīng)用主要內(nèi)容

5.1視頻檢測技術(shù)概述主要內(nèi)容5.3視頻目標(biāo)跟蹤方法（定義）目標(biāo)跟蹤指在圖像序列中持續(xù)地估計出感興趣的運動目標(biāo)所在區(qū)域（位置），形成運動目標(biāo)的運動軌跡；有時還需要估計出運動目標(biāo)的某些運動參數(shù)（比如速度、加速度等）。運動車輛跟蹤是智能交通系統(tǒng)的關(guān)鍵技術(shù)之一，它能夠提供基本的交通流參數(shù)，并且能夠為進一步分析車輛行為奠定基礎(chǔ)。5.3視頻目標(biāo)跟蹤方法（定義）目標(biāo)跟蹤指在圖像序列中持續(xù)地5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）卡爾曼濾波是目標(biāo)跟蹤方面的經(jīng)典方法，通過建立狀態(tài)空間模型，把跟蹤問題表示為動態(tài)系統(tǒng)的狀態(tài)估計問題。在貝葉斯(Bayesian)理論框架下已知目標(biāo)狀態(tài)的先驗概率，在獲得的測量值后不斷求解目標(biāo)狀態(tài)的后驗概率的過程。該方法假設(shè)系統(tǒng)為線性，噪聲為高斯分布。根據(jù)新的數(shù)據(jù)和前一時刻諸量的估計值，借助系統(tǒng)本身的狀態(tài)轉(zhuǎn)移方程，按照一套遞推公式，即可計算出新的諸量的估計值。5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）卡爾曼濾波是目標(biāo)跟蹤方5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）

被跟蹤的車輛車輛輪廓最小外接矩形車輛跟蹤軌跡，（向遠處行駛）5.3視頻目標(biāo)跟蹤方法（卡爾曼濾波）被跟蹤的車輛車輛輪5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift算法是一種非參數(shù)概率密度估計算法，該算法是一種利用計算像素特征點概率密度梯度而獲得問題解決的最優(yōu)化方法。通過迭代快速收斂于概率密度函數(shù)的局部最大值，實現(xiàn)快速目標(biāo)定位，能夠?qū)Ψ莿傂阅繕?biāo)實時跟蹤，對目標(biāo)的變形，旋轉(zhuǎn)等運動有較好的適用性。MeanShift算法是一種半自動跟蹤方法，MeanShift向量不斷沿著概率密度的梯度方向移動，從而實現(xiàn)對目標(biāo)真實位置以最大概率的正確跟蹤。5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift算法5.3視頻目標(biāo)跟蹤方法（均值飄移）在領(lǐng)域搜索MeanShift向量，目標(biāo)在概率密度最大的地方。經(jīng)過幾次迭代，找到移動后目標(biāo)所在位置。5.3視頻目標(biāo)跟蹤方法（均值飄移）在領(lǐng)域搜索MeanS5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift車輛行駛跟蹤效果。車輛自遠處行駛到近處。5.3視頻目標(biāo)跟蹤方法（均值飄移）MeanShift車5.1視頻檢測技術(shù)概述5.2視頻目標(biāo)檢測方法5.3視頻目標(biāo)跟蹤方法5.4