连续同色调背景下运动目标自适应跟踪

第33卷第11期2016年11月

计算机应用与软件

Computer Applications and Software

VoL33 No.11

Nov.2016连续同色调背景下运动目标自适应跟踪

陈从平1黄正1聂葳1石小涛2

1(三峡大学机械与动力学院湖北宜昌443〇〇2)

2(三峡库区生态环境教育部工程研究中心湖北宜昌443002)

摘要针对传统的M e a n s h i f t算法在连续的同色调背景干扰下无法准确、持续跟踪目标的问题，提出一种基于Kalman-optical flow( K0F)的改进M e a n s W f t目标跟踪算法。首先，通过基于色调空间的光流检测对M e a n s W f t窗口区域内的特征点进行建模，获得 其图像坐标；然后，利用K a l m a n滤波的速度预估排除背景特征点，得到基于目标模型特征点的空间约束条件；最后，将得到的空间约 束条件结合传统M e a n s M f t算法中的色调约束条件，构建新的反投影直方图，并将新的反投影图作为M e a n s M f t的概率密度图进行迭 代，从而完成目标跟踪。实验表明，在连续的同色调背景区域的干扰下，该算法仍可以准确、持续地跟踪目标。

关键词M e a n s W f t目标跟踪光流K a l m a n滤波同色调区域

中图分类号T P3文献标识码A D01：10. 3969/j. issn. 1000-386x. 2016.11.033

ADAPTIVE MOVING TARGET TRACKING UNDER INCESSANT

SAME HUE BACKGROUND

Chen Congping1Huang Zheng1Nie Wei1Shi Xiaotao2

1(College of Mechanical and Power Engineering, China Three Gorges University, Yichang 443002 , Hubei, China) 2(Engineering Research Center of Eco-environment in Three Gorges Reservoir Region,Ministry of Education, Yichang 443002 , Hubei, China) Abstract A i m i n g at the problem that traditional Meanshift algorithm cannot track the target accurately a n d constantly under the interference of incessant s a m e h u e b a c k g r o u n d, w e proposed a n improved Meanshift target tracking algorithm which is based o n Kalman-optical flow ( K O F). First, i t models the feature points within the area of Meanshift w i n d o w b y h u e space-based optical flow detection algorithm, a n d gets the coordinates of their images. Secondly, i t uses the speed prediction of K a l m a n filter to exclude background feature points and obtains the space constraint condition w hich is based o n the target mod e l feature points. Finally, i t combines the derived space constraint condition with the hue constraint condition of traditional Meanshift algorithm to construct n e w back projection histogram, a n d uses the n e w back projection graph as the probability density m a p of Meanshift for iteration, so as to complete the target tracking. Experimental results demonstrated that under the interference of incessant s a m e h u e background area this algorithm could still track targets accurately a n d constantly.

Keywords Meanshift Target tracking Optical flow K a l m a n filter S a m e h u e area

〇引言

基于视频的运动目标检测与跟踪已在许多领域得到了应 用，如导弹制导、机器人导航、制造领域中视觉定位与引导、智能 交通及公共安全领域的目标追踪等。近年来，随着计算机技术 和通信技术的发展，对目标跟踪的实时性、准确性要求也日益提 高。目前，典型的目标跟踪算法有光流法[1]、帧差法[2]、粒子滤 波[3]、Kalman滤波[4]及RfemsWft等[5]。其中，光流法与帧差法 是基于物体的运动信息进行跟踪的，它们能同时跟踪所有前景 目标,但无法实现目标选择性跟踪（只能跟踪全部的前景物体 而无法针对具体目标），且两种算法都极易受到背景变动的干 扰;粒子滤波则需要足够的粒子数目以保证算法的鲁棒性，这极 大地增加了跟踪过程中的计算量;Kalman滤波需要结合观测值 得到最优更新，需要与其他算法联合使用，因此在自适应跟踪过 程中通常作为辅助算法。MeansWft算法作为一种基于密度梯度的无参数估计跟踪算法[6]，以其计算速度快、实时性好等特 点得到了广泛的研究与应用。

传统的MeansWft算法是通过目标模型的色调特征（颜色约 束）实现对目标跟踪,而当其应用于如水下鱼类轨迹追踪、智能 交通目标追踪等目标与背景具有同色调信息的领域时,若不增 加其他特征约束,就容易造成目标丢失。为了解决这个问题，文 献[7-9]首先通过帧差法确定运动的目标区域以排除背景色 调的干扰，然后利用MeansWft进行跟踪。该算法对于固定场景 中的运动目标具有很好的跟踪效果，但当背景发生较大改变或 跟踪目标相对静止时，依然会产生跟踪目标丢失的现象。文献 [10 - 12 ]提出了一种对目标特征进行分块跟踪的方法,通过对

收稿日期:2015 - 07 - 30。国家自然科学基金项目（51475266);三 峡库区生态环境教育部工程研究中心开放基金项目（K F2015-11);湖北 省三峡大学培优基金项目（2015P Y022)。陈从平，副教授,主研领域:机 器视觉，自动化工程，流体动力学。黄正，硕士。聂葳，硕士。石小涛，副 教授。