结合尺度不变特征变换和kalman滤波的meanshift视频运动目标跟踪

？为解决目标跟踪中运动目标存在较大尺度变化、旋转、快速运动或遮挡时跟踪效果欠佳的问题，提出了一种将尺度不变特征变换(sift)特征匹配和kalman滤波与meanshift结合的运动目标跟踪方法。首先，利用kalman滤波估计目标运动状态，将其估计值作为meanshift跟踪的初始位置；然后，当候选目标模型和初始目标模型的相似性测度系数小于某一阈值时，启用sift特征匹配寻找目标可能位置，并在该位置处建立新的候选目标模型，同时进行相似性测度；最后，比较两者所得匹配系数，取其中较大者对应的位置作为目标的最终位置。实验结果表明，该算法的跟踪平均误差较单独将kalman滤波或sift特征与meanshift结合的跟踪算法减小了约20%。