1

A Modified Mean Shift Algorithm for Visual Object Tracking

指導教授 : 謝朝和 教授報告者 : 周書暐日期 : 13/6/21

Shu-Wei Chou, Chaur-Heh Hsieh, Hown-Wen Chen

Department of Computer and Communication Engineering, Ming-Chuan University, Taoyuan, Taiwan

2

Outline

1.緒論2.研究方法

A. 系統架構B. 系統流程

3.實驗環境與成果4.結論

3

緒論追蹤的應用性追蹤容易因為某些情況而導致失敗本研究在改善 CamShift 的追蹤失敗，因為被較大類似顏色物件干擾的追蹤失敗

4

系統架構

5

系統流程 - 選取物件 (1/7)

6

系統流程 - 製作 Color filter function(2/7)

製作dominate color filter function

Hue - Color Histogram

Hue - Color Histogram

選用 2 個 dominate color

選用 4 個 dominate color

製作dominate color filter function

7

系統流程 - 製作 Template(3/7)

CF

Template

Object Window

CF (i , j )={1, if CF (k )=1 for the pixel x (i , j)0 ,if CF (k )=0 for the pixel x ( i , j)

8

系統流程 - 製作 Dominate color map(4/7)

CF

Background

Dominate color map

CF (i , j )={1, if CF (k )=1 for the pixel x (i , j)0 ,if CF (k )=0 for the pixel x ( i , j)

9

系統流程 -Matching(5/7)

Dominate color map Match weights map

Template

10

系統流程 -Match weights map 演算法(6/7)

• Where

11

系統流程 - 使用 Mean Shift 演算法(7/7)

12

實驗環境

CPU – Intel® Core(TM) i7-2640M @ 2.80GHz ~ 3.50GHz RAM – 8.00 GBSystem – Windows®7 64 位元作業系統Programming language – C/C++ OpenCV2.4.0

13

實驗成果實驗資料

視頻序列一 : 在實驗室追蹤物件受到大面積相似顏色干擾

(Frame 37 、 111 、 119 、 151)

視頻序列二 :在臥房追蹤手部受臉部干擾 (Frame 1 、

92 、 131 、 259)

尺寸為 640x480

14

實驗結果 – 視訊序列一 H 分量

15

實驗結果 – 視訊序列一 S 分量

16

實驗結果 – 視訊序列一 H·S 分量

17

實驗結果 – 視訊序列一 本研究

18

實驗結果 – 視訊序列二 H 分量

19

實驗結果 – 視訊序列二 S 分量

20

實驗結果 – 視訊序列二 H·S 分量

21

實驗結果 – 視訊序列二 本研究

22

結論 利用 Dominate color 製作出來的 template 為畫面中極少會重複的特徵，此特徵同時也包含了顏色的特徵在內。 利用 Matching 本身的特色可以製作一張中心為最相似目標的機率圖，再以 Mean Shift 做收斂，可以比傳統 CamShift 更準確。

機率 : 綠色 > 墨綠 > 土黃色 > 黃色 > 咖啡色

對自己做matching

Template Match weights map