基于图像分类与多算法协作的目标跟踪算法

1 引言
目标跟踪作为一门跨领域跨学科的前沿技术，是计 算机视觉的核心问题之一。目标跟踪技术从 20 世纪 60 年代开始发展，到现在，已经形成了一系列的方法[1]。由 于被跟踪目标本身变化的多样性以及外部环境的复杂 性，运动目标跟踪是一个极富挑战性的课题。一个鲁棒 的目标跟踪算法必须要能够理想地解决跟踪过程遇到
摘 要：针对目标变化和背景环境的变化，提出了一种基于图像分类的多算法协作的目标跟踪算法，采用融入改进 背景加权的尺度方向自适应均值漂移算法与快速压缩算法协作的方式。该算法根据图像变化原因不同将图像分为 两类 ，图像全局变化和目标局部感兴趣区域的变化。对由光照 、背景相似度和背景模糊引起的图像全局变化 ，采用 快速压缩算法对目标进行跟踪 ；对由目标本身尺寸、旋转和遮挡引起的目标局部感兴趣区域变化，采用融入改进背 景加权尺度方向自适应均值漂移算法对目标进行跟踪。该算法先对图像序列预处理分类 ，然后选择适合该对应图 像变化特点的算法对目标进行跟踪。经实验验证，该算法较之其他流行目标跟踪算法具有更好的鲁棒性。 关键词：图像分类 ；鲁棒性 ；多算法协作 ；局部感兴趣区域 ；全局变化 文献标志码：A 中图分类号：TP391.41 doi：10.3778/j.issn.1002-8331.1609-0155
的各种困难（如旋转变化、尺寸变化、光照变化、遮挡变 化、背景相似度变化等）。经典的目标跟踪算法主要有 均 值 漂 移 算 法 [2]、光 流 法 [3]、卡 尔 曼 滤 波 法 [4] 以 及 稀 疏 矩 阵表示[5]等方法，每种经典的运动目标跟踪算法各有自 己的优缺点，而现如今的运动目标跟踪算法基本上都是 在基于上述经典算法改进或者是发展而来的。虽然，在 目标跟踪领域存在大量的目标跟踪算法，也能实现一定
基金项目：国家高技术研究发展计划（863）（No.2015AA042308）；北京市属高等学校创新团队建设项目（No.IDHT20130518）；教育 部“长江学者与创新团队”发展计划（No.IRT1212）。
作者简介：郑浩（1991—），男，硕士研究生，研究领域为图像处理、目标跟踪；董明利（1965—），女，博士，教授，研模式识别等，E-mail：dongml@；潘志康（1976—），男，讲师，研究领 域为图像处理、精密仪器与机械等。
ZHENG Hao, DONG Mingli, PAN Zhikang. Target tracking algorithm with multiple algorithms in collaboration based on image classification. Computer Engineering and Applications, 2018, 54（4）：185-191.
Abstract：As for target and background changes, this paper proposes a target tracking algorithm with scale and orientation adaptive mean shift tracking with corrected background-weighted histogram algorithms and fast compression tracking algorithms in collaboration based on image classification. According to the difference of the image changes, the algorithm classifies the images into two categories, global changes and target local interest area changes. Global changes caused by lighting, background similar and background blur, it uses BW-SOAMS algorithm for target tracking. Local area of interest changes caused by size, rotate and occlusion, it uses CT algorithm for target tracking. Firstly, images are done preprocessing and classification, and then the appropriate track drift problems are caused by changes in the environment. By experiments, the algorithm has improved significantly in precision and efficiency. Key words：image classification; robustness; algorithms collaboration; local area of interest; global changes
Computer Engineering and Applications 计算机工程与应用
2018，54（4） 185
基于图像分类与多算法协作的目标跟踪算法
郑 浩，董明利，潘志康
ZHENG Hao, DONG Mingli, PAN Zhikang
北京信息科技大学 光电测试技术北京市重点实验室，北京 100192 Beijing Key Laboratory for Optoelectronic Measurement Technology, Beijing Information Science and Technology University, Beijing 100192, China