一种改进的Camshift/Kalman运动目标跟踪算法

2012年03月14日16:57:59 本网站我要评论(2)字号：T | T | T

姜晓艳，刘士荣
杭州电子科技大学自动化研究所，浙江杭州

摘要：针对目标跟踪中的目标遮挡、丢失等情况，本文提出了一种改进的基于空间边缘方向直方图的Camshift/Kalman跟踪算法。首先，利用空间边缘梯度方向作为匹配信息，同时自适应修正每帧中的匹配模板，再使用Kalman滤波器对运动目标的位置进行预测更新，以克服目标遮挡情况及噪声的干扰。实验表明，该算法能够较好处理目标遮挡情况，实现运动目标的高精度跟踪。

关键词：边缘方向直方图，Camshift，目标跟踪

1 引言
运动物体的目标跟踪是机器视觉研究领域的热点之一,许多学者已提出多种目标跟踪算法及其相关的应用。Meanshif算法以其无参数，快速匹配的优越性被广泛应用到目标跟踪领域。它较早由Funkunage[1]等人提出并应用到模式识别中；Cheng[2]将它引入到计算机视觉领域，并由Dorin Comaniciu[3]将其应用于目标跟踪。但是Meanshift无法在跟踪过程中对目标模型进行更新，当目标尺寸变化严重时，导致跟踪不精确，甚至会丢失目标。为了解决此类问题，Bradski[4]提出了Camshift (continuously adaptive mean shift) 算法。这是一种将Meanshift算法扩展到连续图像序列而得到的运动跟踪算法,它可以自动调节窗口大小以适应目标在图像中的尺寸变化。它在一定程度上解决了由于运动目标的形变造成的跟踪不精确问题。文献[5]中通过自适应扩展搜索窗口解决了因目标加速度而引起的目标瞬间丢失问题。但是由于Camshift算法是仅基于色彩信息建立目标直方图模型进行跟踪，使得它易受颜色相近的干扰物影响，在目标与背景颜色接近或目标被遮挡时，算法的效果不太理想。
本文基于Camshift算法提出了一种改进的Camshift/Kalman运动目标跟踪算法。该算法利用边缘方向直方图代替颜色直方图，进一步引入目标模型的空间信息，结合Kalman滤波器对运动目标的状态进行预测更新，并且对每帧中的模板采取自适应更新策略。本文所提出的方法具有较强的抗干扰性，且具有较好的精确性和稳定性。文章内容安排如下：第2节介绍了边缘方向直方图的基本知识，第3节描述了改进的基于边缘方向直方图的Camshift算法流程，第4节对改进的Camshift算法与Kalman滤波相结合的策略进行介绍，第5节对以上方法进行了实验研究。第6节总结并讨论了实验结果。

登录网站后可下载文件

一种改进的Camshift/Kalman运动目标跟踪算法

相关阅读: