一種改進(jìn)的Camshift/Kalman運(yùn)動(dòng)目標(biāo)跟蹤算法

2012年03月14日16:57:59 本網(wǎng)站我要評(píng)論(2)字號(hào)：T | T | T

姜曉艷，劉士榮
杭州電子科技大學(xué)自動(dòng)化研究所，浙江杭州

摘要：針對(duì)目標(biāo)跟蹤中的目標(biāo)遮擋、丟失等情況，本文提出了一種改進(jìn)的基于空間邊緣方向直方圖的Camshift/Kalman跟蹤算法。首先，利用空間邊緣梯度方向作為匹配信息，同時(shí)自適應(yīng)修正每幀中的匹配模板，再使用Kalman濾波器對(duì)運(yùn)動(dòng)目標(biāo)的位置進(jìn)行預(yù)測(cè)更新，以克服目標(biāo)遮擋情況及噪聲的干擾。實(shí)驗(yàn)表明，該算法能夠較好處理目標(biāo)遮擋情況，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的高精度跟蹤。

關(guān) 鍵詞：邊緣方向直方圖，Camshift，目標(biāo)跟蹤

1 引言
運(yùn)動(dòng)物體的目標(biāo)跟蹤是機(jī)器視覺研究領(lǐng)域的熱點(diǎn)之一,許多學(xué)者已提出多種目標(biāo)跟蹤算法及其相關(guān)的應(yīng)用。Meanshif算法以其無參數(shù)，快速匹配的優(yōu)越性被廣泛應(yīng)用到目標(biāo)跟蹤領(lǐng)域。它較早由Funkunage[1]等人提出并應(yīng)用到模式識(shí)別中；Cheng[2]將它引入到計(jì)算機(jī)視覺領(lǐng)域，并由Dorin Comaniciu[3]將其應(yīng)用于目標(biāo)跟蹤。但是Meanshift無法在跟蹤過程中對(duì)目標(biāo)模型進(jìn)行更新，當(dāng)目標(biāo)尺寸變化嚴(yán)重時(shí)，導(dǎo)致跟蹤不精確，甚至?xí)䜩G失目標(biāo)。為了解決此類問題，Bradski[4]提出了Camshift (continuously adaptive mean shift) 算法。這是一種將Meanshift算法擴(kuò)展到連續(xù)圖像序列而得到的運(yùn)動(dòng)跟蹤算法,它可以自動(dòng)調(diào)節(jié)窗口大小以適應(yīng)目標(biāo)在圖像中的尺寸變化。它在一定程度上解決了由于運(yùn)動(dòng)目標(biāo)的形變?cè)斐傻母櫜痪_問題。文獻(xiàn)[5]中通過自適應(yīng)擴(kuò)展搜索窗口解決了因目標(biāo)加速度而引起的目標(biāo)瞬間丟失問題。但是由于Camshift算法是僅基于色彩信息建立目標(biāo)直方圖模型進(jìn)行跟蹤，使得它易受顏色相近的干擾物影響，在目標(biāo)與背景顏色接近或目標(biāo)被遮擋時(shí)，算法的效果不太理想。
本文基于Camshift算法提出了一種改進(jìn)的Camshift/Kalman運(yùn)動(dòng)目標(biāo)跟蹤算法。該算法利用邊緣方向直方圖代替顏色直方圖，進(jìn)一步引入目標(biāo)模型的空間信息，結(jié)合Kalman濾波器對(duì)運(yùn)動(dòng)目標(biāo)的狀態(tài)進(jìn)行預(yù)測(cè)更新，并且對(duì)每幀中的模板采取自適應(yīng)更新策略。本文所提出的方法具有較強(qiáng)的抗干擾性，且具有較好的精確性和穩(wěn)定性。文章內(nèi)容安排如下：第2節(jié)介紹了邊緣方向直方圖的基本知識(shí)，第3節(jié)描述了改進(jìn)的基于邊緣方向直方圖的Camshift算法流程，第4節(jié)對(duì)改進(jìn)的Camshift算法與Kalman濾波相結(jié)合的策略進(jìn)行介紹，第5節(jié)對(duì)以上方法進(jìn)行了實(shí)驗(yàn)研究。第6節(jié)總結(jié)并討論了實(shí)驗(yàn)結(jié)果。

登錄網(wǎng)站后可下載文件