由于室内场景中存在对象种类多样、物体几何信息复杂、物体密集问题,故室内场景结构重建存在着很大的挑战。首先,以“结构分析”为主线,利用改进的随机抽样一致(RANSAC)算法和均值漂移算法检测出房间布局的粗略划分。然后,在将初步划分结果转化为无向图的基础上,利用图割算法得到了房间布局的细分结果。最后,将重建的墙壁、地面与天花板信息相结合,完成了室内场景布局的总体重建。实验结果表明,利用改进后的算法和所提方法得到的重建结果更加准确、效果更好。

针对均值漂移算法中采用单一颜色特征以及缺乏必要模板更新方法的缺陷，提出一种基于多特征的双模板自适应更新目标跟踪算法。引入像素点邻域灰度均值差和分层空间信息加强目标特征的鉴别性，再通过对目标与背景区域双模板相似度系数的综合分析，准确地判断跟踪干扰因素的来源，并以当前帧目标区域的相似度系数为权值对目标模板进行加权更新，使得模板更新速度与其目标特征变化相适应的同时抑制模板过更新，较好地解决了模板更新时机和更新速度等问题。仿真结果表明，所提算法在不同跟踪场景下均具有较强的鲁棒性。

针对多目标视频跟踪中需要主要解决的目标冲突、合并以及分离等问题，提出了基于自适应混合滤波的多目标跟踪算法。采用混合高斯背景建模法获得前景图，并对图中阴影采用一种简化去除算法，即判断前景像素时，将HSV分量用加权的形式描述，而不必对各个分量依次判断。对前景图提取观测值时，引入了合并处理算法，将分裂的多个矩形检测框进行合并。然后，利用推理的方法将前景观测值与目标关联，用自适应混合滤波算法实现多目标有效跟踪。该算法结合了均值漂移算法运算效率高的和粒子滤波算法能够有效处理遮挡情况的特点。实验表明该算法可以高效地跟踪多目标、准确判断目标的出现和消失，并能够解决多目标冲突、合并和分离等问题。

针对视频序列中目标的跟踪，均值漂移算法和卡尔曼滤波器相结合的目标跟踪算法已经被提出，而在移动机器人上实现对机动目标的实时跟随时，机器人自身的运动引起目标在像平面的偏移不能被忽略，在详述了两者的关系的基础上，建立起以机器人一个周期内的运动作为输入量的状态方程，以卡尔曼滤波器的估计值作为均值漂移算法的启动点，均值漂移算法的最终收敛点作为每帧的跟踪结果，并以此收敛点替代滤波器的估计值，两种算法交替使用，互为补充。实验表明所提算法可以实现在室外环境下对动态目标的实时跟踪。