跟踪窗自适应的MeanShift目标跟踪算法

第３ ４卷 第２期 ２ ０ １ ２年２月
） 文章编号 ： １ ０ ０ １ ５ ０ ６ Ｘ（ ２ ０ １ ２ ０ ２ ０ ４ ０ ９ ０ ４ － － －
系统工程与电子技术 Ｓ ｓ ｔ ｅ ｍ ｓ Ｅ ｎ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ａ ｎ ｄ Ｅ ｌ ｅ ｃ ｔ ｒ ｏ ｎ ｉ ｃ ｓ ｙ ｇ ｇ
［ ］ ２ ７ － ［ １］
最佳跟踪 ａ％ 增量跟踪窗和负 ａ％ 增 量 的 跟 踪 窗 进 行 跟 踪 ， 窗的判断 标 准 为 Ｂ ｈ ａ ｔ ｔ ａ ｃ ｈ ａ ｒ ａ系 数 最 大。 增 量 试 探 法 需 ｙ ｙ 要执行 ３ 次 Ｍ 计 算 量 大； 实 验 发 现， 该方法 ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 ， 只能较好地跟踪尺寸 逐 渐 缩 小 的 目 标 ， 当目标尺寸超出窗 口大 小 时 容 易 跟 踪 失 败 。 第 二 类 ： 将仿射变换与 Ｍ ｅ ａ ｎ ［ ］ ９ １ ０ － 。这类方法首先利用角 Ｓ ｈ ｉ ｆ ｔ算法相结合进行目标跟踪 点匹配算法提取目标匹配的特征点 ， 求解 仿 射 参 数 ； 再利用 计算 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算法进 行 目 标 定 位 。 这 类 方 法 计 算 繁 琐 ， 且不 适 于 特 征 点 少 的 目 标 和 非 刚 性 物 体 的 跟 踪。 量很大 ， 第三类 ： 将Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 与 其 他 算 法 相 结 合 进 行 目 标 跟 ］ 踪 。 文献 ［ 将粒 子 滤 波 算 法 与 Ｍ １ １ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 相 结 合 ， ］ 文献 ［ 将Ｌ １ ２ ｉ ｎ ｄ ｅ ｂ ｅ ｒ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 相 结 ｇ的 尺 度 理 论 与 Ｍ 合， 这类算法计算量很大 ， 计算复杂 ， 实时性不高 。 本文将目标几 何 特 征 引 入 到 运 动 目 标 的 跟 踪 过 程 中 ， 根据目标几何特征的变化自动更新跟踪 窗 大 小 。 目 标 的 大 小与跟踪窗的大小密切相关 ， 目标变大跟 踪 窗 扩 大 ， 目标变 小跟踪窗缩小 ， 因此 根 据 几 何 特 征 中 目 标 面 积 变 化 实 时 更
提出一种将 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算法不能很好地跟踪尺度变化目标的缺点 ， ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算法和目标几何 摘 要 ：针对 Ｍ 特征相结合的目标跟踪算法 。 该方法在 Ｍ 根据目标的面积和型心坐标对 ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ框架下 提 取 目 标 的 几 何 特 征 ， 跟踪窗的位置和大小进行修正 ， 最后更新 Ｍ 改进的算法能很好地 ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ的目标模板 。 通过大量实验仿真证明 ， 对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性 。 跟踪尺度变化的目标 ， ；几何特征 ；跟踪窗自适应 关键词 ：目标跟踪 ；Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ ： ／ 中图分类号 ： Ｔ Ｐ ３ 文献标志码 ： Ａ Ｄ Ｏ Ｉ １ ０． ３ ９ ６ ９ ５ ０ ６ Ｘ． ２ ０ １ ２． ０ ２． ３ ６ ． ｉ ｓ ｓ ｎ ． １ ０ ０ １ － ｊ
， ｓ ｉ ｚ ｅ ｏ ｆ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｗ ｉ ｎ ｄ ｏ ｗ ａ ｃ ｃ ｏ ｒ ｄ ｉ ｎ ｔ ｏ ｔ ａ ｒ ｅ ｔ ａ ｒ ｅ ａ ａ ｎ ｄ ｃ ｏ ｒ ｅ ｃ ｏ ｏ ｒ ｄ ｉ ｎ ａ ｔ ｅ ． Ｆ ｉ ｎ ａ ｌ ｌ ｔ ｈ ｅ Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ ｔ ａ ｒ ｅ ｔ ｔ ｅ ｍ－ ａ ｎ ｄ ｇ ｇ ｇ ｙ ｇ ｌ ａ ｔ ｅ ｒ ｏ ｏ ｓ ｅ ｄ ｏ ｏ ｄ ｉ ｓ ｕ ｄ ａ ｔ ｅ ｄ ． Ａ ｌ ａ ｒ ｅ ｎ ｕ ｍ ｂ ｅ ｒ ｏ ｆ ｓ ｉ ｍ ｕ ｌ ａ ｔ ｉ ｏ ｎ ｅ ｘ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ａ ｔ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｐ ｐ ｐ ｇ ｐ ｇ ｐ ｇ ｇ ， ｓ ｃ ａ ｌ ｅ ｍ ｏ ｔ ｉ ｏ ｎ ｓ ａ ｎ ｄ ｉ ｓ ｒ ｏ ｂ ｕ ｓ ｔ ａ ｎ ｄ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｔ ｏ ｔ ａ ｒ ｅ ｔ ａ ｆ ｆ ｉ ｎ ｅ ｍ ｏ ｔ ｉ ｏ ｎ ｓ ａ ｎ ｄ ｎ ｏ ｎ ｒ ｉ ｉ ｄ ｓ ｈ ａ ｅ ｃ ｈ ａ ｎ ｅ ｓ ． ｔ ａ ｒ ｅ ｔ － ｇ ｇ ｐ ｇ ｇ ： ；Ｍ ； ； Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｔ ａ ｒ ｅ ｔ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ａ ｄ ａ ｔ ｉ ｖ ｅ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｗ ｉ ｎ ｄ ｏ ｗ ｅ ｏ ｍ ｅ ｔ ｒ ｉ ｃ ａ ｌ ｇ ｇ ｐ ｇ ｇ ｙ
是一种基于密度梯
度的无参估计算法 ， 因其实时性好 ， 易于其 他 算 法 集 成 而 广 。但 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 也 有 不 足 当目标有尺 之处 ： ① 跟踪过 程 中 跟 踪 窗 的 大 小 保 持 不 变 ， 度变化时 ， 容易定 位 偏 差 甚 至 跟 踪 失 败 ； ② 缺乏必要的模 板更新机制 ； ③ 灰度直方图对目标特征的描述能力比较 弱， 当目标的 灰 度 和 背 景 的 灰 度 分 布 相 似 时 ， 算法效果欠 佳 。 本文主要针对 前 两 点 不 足 进 行 改 进 ， 以跟踪窗尺度更 新为主 ， 模板更新为辅 。 目前 ， 对Ｍ 主 ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ跟踪窗尺度改进的方法有很 多 ， 要分为以 下 三 类 。 第 一 类 ： 采 用 正 负 ａ％ 增 量 试 探 法 对 跟 踪窗进行纠正的方法
Ｖ ｏ ｌ ． ３ ４ Ｎ ｏ ． ２ Ｆ ｅ ｂ ｒ ｕ ａ ｒ ０ １ ２ ｙ２

跟踪窗自适应的 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ目标跟踪算法
刘 晴 ，唐林波 ，赵保军
（ ） 北京理工大学信息与电子科学学院 ，北京 １ ０ ห้องสมุดไป่ตู้ ０ ８ １
ｘ ０ －ｘ ｉ ２ ｋ（ ｂ（ ｘ ｜ ｜） －ｕ］ ＋ δ［ ｑ ｕ ＝Ｃ ｉ） ∑ ｈ ｉ＝１
ｎ ｉ＝ ｌ １ ＋
ｍ
ｂ（ ｘ） －ｕ］ ∑０＊δ［
ｉ
（ ） ３
式中 ， ｍ 表示目标像素点的个数 ； ｎ－ ｌ 表示背景像 素 点 的 个 ） 。 数 。 其余参数的含义同式 （ １ ２． １． ２ 候选者特征的提取 候选者特征的提取按照传统 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算法中的 方 式 ） 进行 ， 如式 （ 所示 。 １ ２． ２ 尺度更新 ２． ２． １ 几何特征的提取 ］ 对跟踪窗口内的像素点 ， 采用文献［ 中的迭代投影算法 １ ５ 。 用目 提取目标的外接四边形面积 Ａ 和目标型心坐标 （ ｘ， ｙ） 标外接四边形的面积近似表示目标的面积 。 ２． ２． ２ 尺度更新的判决 假设上一帧图像 提 取 的 目 标 面 积 为 Ａ 本帧图像提 ｋ－１ ， 可以用 取的目标面积 Ａ ｋ 。 因为目标的 面 积 不 会 发 生 突 变 ， ） 。 式（ 进行判断 。 若 相 邻 两 帧 目 标 的 面 积 变 化 满 足 式 （ ４ ４） ） 则按式 （ 确定跟踪窗尺度 更 新 的 比 例 Ｓ， 更新当前帧跟踪 ５ 窗口的高度 Ｈ 和宽 度 Ｗ ， 并以提取的型心坐标作为 Ｍ ｅ ａ ｎ ； （ ） ， 算法的起始点 若面积 变 化 不 满 足 式 则 认 为 窗 口 Ｓ ｈ ｉ ｆ ｔ ４ 内的目标有重叠 ， 不做窗口更新 ， 仍以上一 帧 的 预 测 结 果 作 为Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算法的起始点 。
： ， ｂ ｓ ｔ ｒ ａ ｃ ｔ Ａ ｉ ｍ ｉ ｎ ａ ｔ ｔ ｈ ｅ ｄ ｅ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｏ ｆ ｔ ｈ ｅ Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｔ ａ ｒ ｅ ｔ ｓ ｃ ａ ｌ ｅ ｍ ｏ ｔ ｉ ｏ ｎ ｓ ａ Ｍ ｅ ａ ｎ Ａ ｇ ｙ ｇ ｇ ｇ ｔ ｒ ａ ｃ ｋ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｃ ｏ ｍ ｂ ｉ ｎ ｅ ｄ ｗ ｉ ｔ ｈ ｔ ｈ ｅ ｔ ａ ｒ ｅ ｔ ｅ ｏ ｍ ｅ ｔ ｒ ｉ ｃ ａ ｌ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｉ ｓ ｒ ｏ ｏ ｓ ｅ ｄ ． Ｉ ｎ ｔ ｈ ｅ ｆ ｒ ａ ｍ ｅ ｗ ｏ ｒ ｋ ｏ Ｓ ｈ ｉ ｆ ｔ ｇ ｆ ｇ ｇ ｐ ｐ ｇ ， Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ ｔ ｈ ｅ ｒ ｏ ｏ ｓ ｅ ｄ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｅ ｘ ｔ ｒ ａ ｃ ｔ ｓ ｔ ｈ ｅ ｅ ｏ ｍ ｅ ｔ ｒ ｉ ｃ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｉ ｓ ｔ ｉ ｃ ｓ ｏ ｆ ｔ ｈ ｅ ｔ ａ ｒ ｅ ｔ ａ ｎ ｄ ｍ ｏ ｄ ｉ ｆ ｉ ｅ ｓ ｔ ｈ ｅ ｏ ｓ ｉ ｔ ｉ ｏ ｎ ｐ ｐ ｇ ｇ ｇ ｐ
０ 引 言
运动目标的跟踪一直是计算机视觉领 域 研 究 的 热 点 问 在视频监控 、 物体识别 、 导航制导等 领 域 有 广 泛 的 应 用 。 题， 如何在各种复杂的环境下对运动目标进行 有 效 地 跟 踪 是 目 标跟踪的研究重点 。 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 泛的应用于 目 标 跟 踪 中
Ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｆ ｔ ａ ｒ ｅ ｔ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｂ ａ ｓ ｅ ｄ ｏ ｎ Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ ｇ ｇ ｇ ａ ｄ ａ ｔ ｉ ｖ ｅ ｔ ｒ ａ ｃ ｋ ｉ ｎ ｗ ｉ ｎ ｄ ｏ ｗ ｗ ｉ ｔ ｈ ｐ ｇ
１ ０· · ４
系统工程与电子技术
第３ ４卷

新跟踪窗口的大小 ； 当目标尺度变化较大 时 ， 初始帧选定的 目标模板不能正确反映目标的特征 ， 跟踪 的 定 位 误 差 较 大 ， 在每帧跟踪结束时采用背景直方图统计法 对 目 标 模 板 进 行 更新就可以解决这个问题 。 该算法首先根 据 相 邻 两 帧 目 标 面积变化来更新窗口的尺寸 ； 在此基础上 ， 利用目标型心坐 标对目标进行先 期 的 粗 略 定 位 ， 确定 Ｍ ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算 法 跟 踪 的起始点 ； 在Ｍ 选择性能 最 优 ｅ ａ ｎ Ｓ ｈ ｉ ｆ ｔ算法的求解过程中 ， 组合的目标特征和候选者特征 ， 减少匹配 的 迭 代 次 数 ， 提高 最后对跟踪模板进行更新 。 匹配的精确度 ， ］ 借鉴文献［ 中方法 ， 对不同的像素点采取不同的权重方式 。 １ ４ 对于目标像素点 ， 进行核函数加权的直方图统计 ； 对于背景像 。目标灰度直方图统计的公式如下 ： 素点 ， 取其权重为０