姜曉艷，劉士榮
杭州電子科技大學自動化研究所，浙江 杭州

摘   要：針對目標跟蹤中的目標遮擋、丟失等情況，本文提出了一種改進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，同時自適應修正每幀中的匹配模板，再使用Kalman濾波器對運動目標的位置進行預測更新，以克服目標遮擋情況及噪聲的干擾。實驗表明，該算法能夠較好處理目標遮擋情況，實現(xiàn)運動目標的高精度跟蹤。

關  鍵  詞：邊緣方向直方圖，Camshift，目標跟蹤

1 引言
運動物體的目標跟蹤是機器視覺研究領域的熱點之一,許多學者已提出多種目標跟蹤算法及其相關的應用。Meanshif算法以其無參數(shù)，快速匹配的優(yōu)越性被廣泛應用到目標跟蹤領域。它較早由Funkunage[1]等人提出并應用到模式識別中；Cheng[2]將它引入到計算機視覺領域，并由Dorin Comaniciu[3]將其應用于目標跟蹤。但是Meanshift無法在跟蹤過程中對目標模型進行更新，當目標尺寸變化嚴重時，導致跟蹤不精確，甚至會丟失目標。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算法擴展到連續(xù)圖像序列而得到的運動跟蹤算法,它可以自動調節(jié)窗口大小以適應目標在圖像中的尺寸變化。它在一定程度上解決了由于運動目標的形變造成的跟蹤不精確問題。文獻[5]中通過自適應擴展搜索窗口解決了因目標加速度而引起的目標瞬間丟失問題。但是由于Camshift算法是僅基于色彩信息建立目標直方圖模型進行跟蹤，使得它易受顏色相近的干擾物影響，在目標與背景顏色接近或目標被遮擋時，算法的效果不太理想。
本文基于Camshift算法提出了一種改進的Camshift/Kalman運動目標跟蹤算法。該算法利用邊緣方向直方圖代替顏色直方圖，進一步引入目標模型的空間信息，結合Kalman濾波器對運動目標的狀態(tài)進行預測更新，并且對每幀中的模板采取自適應更新策略。本文所提出的方法具有較強的抗干擾性，且具有較好的精確性和穩(wěn)定性。文章內容安排如下：第2節(jié)介紹了邊緣方向直方圖的基本知識，第3節(jié)描述了改進的基于邊緣方向直方圖的Camshift算法流程，第4節(jié)對改進的Camshift算法與Kalman濾波相結合的策略進行介紹，第5節(jié)對以上方法進行了實驗研究。第6節(jié)總結并討論了實驗結果。

登錄網(wǎng)站后可下載文件