ردیابی وفقی اجسام متحرک بر اساس الگوریتم ترکیبی بازنمونه برداری فیلترذره و MeanShift

در مقاله حاضر با ترکیب الگوریتم های بازنمونه برداری فیلترذره و MeanShift روشی جدید به منظور ردیابی اهداف متحرک ارایه شده است. در تعقیب مقاوم یک جسم متحرک، هر دو الگوریتم فیلترذره و الگوریتم MeanShift نتایج موفقی را دارند، اگرچه هر دوی آنها دارای نقاط ضعفی نیز هستند. در روش پیشنهادی، الگوریتم بازنمونه برداری با تعداد مراحل وفقی، موقعیت اولیه هدف را در فریم جدید تخمین زده و پس از آن الگوریتم Meanshift به تعیین دقیق موقعیت نهایی هدف می پردازد. درانتها نیز شعاع کرنل با استفاده از لبه یابی، بر تغییرات مدل هدف منطبق می شود. در مقایسه با الگوریتم بازنمونه برداری فیلترذره، روش پیشنهادی با دقت 97 درصدی به تخمین موقعیت جسم و غلبه بر مشکل انحطاط می پردازد. نتایج تجربی بر روی تصاویر متوالی نشان می دهد که روش پیشنهادی این مقاله بطور پیوسته، بخصوص مواقعی که هدف، حرکت سریع و یا تصادفی داشته باشد عملکرد بهتری نسبت به الگوریتم های ذکر شده دارد.