基于CAMshift算法的目标跟踪研究

Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　计算机应用，２０１３，３３（２）：４９９—５０２　ＩＳＳＮ　ｌ００１—９０８１　Ｃ０ＤＥＮ　ＪＹＩＩＤＵ　２０１３—０２—０１　ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｅｎ　文章编号：１００１—９０８ｌ（２０１３）０２—０４９９一ｏ４　ｄｏｉ：１０．３７２４／ＳＰ．Ｊ．１０８７．２０１３．００４９９　基于快速鲁棒特征的ＣａｍＳｈｉｆｔ跟踪算法　王晋疆　，刘　阳　，吴明云　（１．天津大学精密仪器与光电子工程学院，天津３０００７２；　２．光电信息技术教育部重点实验室（天津大学），天津３０００７２）　（　通信作者电子邮箱ｉｓｓａｃｂｕｘｌｅｇ＠ｇｍｍ１．ＣＯＩＴＩ）　摘　要：为了解决ＣａｍＳｈｉｆｔ算法由于对颜色敏感导致的跟踪效果变差或失效的问题，提出一种基于局部特征匹　配的ＣａｍＳｈｉｆｔ跟踪算法。采用快速鲁棒特征（ＳＵＲＦ）方法在多通道图像的目标区域和搜索区域提取包含图像信息的　局部特征点，并利用近似最近邻搜索对特征点进行匹配；使用提纯后的匹配结果得到特征点的位置、尺度及方向信　息，对ＣａｍＳｈｉｆｔ方法进行约束和更新，以提高跟踪精度和稳定性。实验结果表明，与经典ＣａｍＳｈｉｆｔ算法和同类的改进　算法相比，该算法能够较好地实现对复杂背景下旋转和放缩运动目标的实时跟踪。　关键词：目标跟踪；快速鲁棒特征；特征匹配；均值漂移；尺度不变特征变换　中图分类号：ＴＰ３９１．４１　文献标志码：Ａ　ＣａｍＳｈｉｆｔ　ｔｒａｃｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｐｅｅｄ—ｕｐ　ｒｏｂｕｓｔ　ｆｅａｔｕｒｅｓ　ｗＡＮＧ　Ｊｉｎｊｉａｎｇ　，ＬＩＵ　ｒａｎｇ　’，ＷＵ　Ｍｉｎｇｙｕｎ　（１．Ｃｏｌｌｅｇｅ　ｏｆ　Ｐｒｅｃｉｓｉｏｎ　Ｊｗ仉￡　Ｂ眦ａｎｄ　Ｏｐｔｏ—ｅｌｅｃｔｒｏｎｉｃｓ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｔｉａｎｊｉｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ　３０００７２，Ｃｈｉｎａ；　２．Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆＯｐｔｏ－ｅｌｅｃｔｒｏｎｉｃｓ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ，Ｍｉｎ￣ｔｒｙ　ｏｆＥｄｕｃａｔｉｏｎ（Ｔｉａｎｆｉｎ　Ｕｎｉｖｅｒｓｉｔｙ），Ｔｉａｎｆｉｎ　３０００７２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｄｅａｌ　ｗｉｔｈ　ｔｈｅ　ｐｏｏｒ　ｏｒ　ｉｎｖａｌｉｄ　ｔｒａｃｋｉｎｇ　ｐｅｒｆｏｒｍａｎｃｅ　ｃａｕｓｅｄ　ｂｙ　ｔｈｅ　ｃｏｌｏｒ　ｓｅｎｓｉｔｉｖｉｔｙ　ｏｆ　Ｃｏｎｔｉｎｕｏｕｓｌｙ　ａｄａｐｔｉｖｅ　Ｍｅａｎ　Ｓｈｉｆｔ（ＣａｍＳｈｉｆｔ）ａｌｇｏｒｉｔｈｍ，ａ　ｎｅｗ　ＣａｍＳｈｉｆｔ　ｔｒａｃｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｌｏｃａｌ　ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ　ｗａｓ　ｐｒｏｐｏｓｅｄ．　Ｔｈｅ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｕｓｅｄ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　Ｓｐｅｅｄｅｄ—Ｕｐ　Ｒｏｂｕｓｔ　Ｆｅａｔｕｒｅ（ＳＵＲＦ）ｔｏ　ｅｘｔｒａｃｔ　ｔｈｅ　ｌｏｃａｌ　ｆｅａｔｕｒｅ　ｐｏｉｎｔｓ　ｃｏｎｔａｉｎｉｎｇ　ｔｈｅ　ｉｍａｇｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｆｒｏｍ　ｔｈｅ　ｔａｒｇｅｔ　ａｎｄ　ｓｅａｒｃｈｅｄ　ａｒｅａｓ　ｏｆ　ｍｕｌｔｉ—ｃｈａｎｎｅｌ　ｉｍａｇｅｓ，ａｎｄ　ｔｈｅｎ　ｍａｔｃｈｅｄ　ｔｈｅ　ｆｅａｔｕｒｅ　ｐｏｉｎｔｓ　ｂｙ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ａｐｐｒｏｘｉｍａｔｅ　ｎｅａｒｅｓｔ　ｎｅｉｇｈｂｏｒ　ｓｅａｒｃｈｉｎｇ．Ｔｈｅ　ｌｏｃａｔｉｏｎ，ｓｃａｌｅ　ａｎｄ　ｏｒｉｅｎｔａｔｉｏｎ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｔｈｅ　ｆｅａｔｕｒｅ　ｐｏｉｎｔｓ　ｗｅｒｅ　ｏｂｔａｉｎｅｄ　ｕｔｉｌｉｚｉｎｇ　ｔｈｅ　ｐｕｒｉｆｉｅｄ　ｍａｔｃｈｉｎｇ　ｒｅｓｕｌｔｓ，ｔｈｅｒｅｆｏｒｅ　ｔｈｅ　ＣａｍＳｈｉｆｔ　ｍｅｔｈｏｄ　ｗａｓ　ｃｏｎｓｔｒａｉｎｅｄ　ａｎｄ　ｕｐｄａｔｅｄ　ｔｏ　ｉｍｐｒｏｖｅ　ｔｈｅ　ａｃｃｕｒａｃｙ　ａｎｄ　ｓｔａｂｉｌｉｔｙ　ｏｆ　ｔｒａｃｋｉｎｇ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｈｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｎｅｗ　ａｌｇｏｒｉｔｈｍ　ｃａｎ　ｏｕｔｐｅｒｆｏｒｍ　ｔｈｅ　ｃｌａｓｓｉｃ　ＣａｍＳｈｉｆｔ　ａｌｇｏｒｉｔｈｍ　ａｎｄ　ｔｈｅ　ｓｉｍｉｌａｒ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　ｒｏｔａｔｉｎｇ　ａｎｄ　ｚｏｏｍｉｎｇ　ｏｂｊｅｃｔｓ　ａｇａｉｎｓｔ　ｃｏｍｐｌｅｘ　ｂａｃｋｇｒｏｕｎｄｓ　ｉｎ　ｒｅａｌ—ｔｉｍｅ　ｔｒａｃｋｉｎｇ．　Ｋｅｙ　ｗｏｒｄｓ：ｏｂｊｅｃｔ　ｔｒａｃｋｉｎｇ；Ｓｐｅｅｄｅｄ　Ｕｐ　Ｒｏｂｕｓｔ　Ｆｅａｔｕｒｅ（ＳＵＲＦ）；ｆｅａｔｕｒｅ　ｍａｔｃｈｉｎｇ；ｍｅａｎ　ｓｈｉｆｔ；Ｓｃａｌｅ　Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏｒｉｌｌ（ＳＩＦＴ）　０　引言　目标跟踪在公共安防、人机交互以及人工智能领域均有　广泛的应用，提高目标跟踪算法的鲁棒性和实时性是目前的　研究热点。目前，众多学者在这一领域进行了深入的研究，提　出的诸多有效方法主要可分为三类：基于滤波理论的方　法　Ｊ、基于均值漂移（Ｍｅａｎ　Ｓｈｉｆｔ）的方法　和基于偏微分　的方法　Ｊ。其中，基于Ｍｅａｎ　Ｓｈｉｆｔ的目标跟踪方法由于具　有实时性、鲁棒性和易于实现的特点，近年来引起了国内外学　者的广泛关注。Ｂｒａｄｓｋｉ　提出的连续自适应的均值漂移　（Ｃｏｎｔｉｎｕｏｕｓｌｙ　ａｄａｐｔｉｖｅ　Ｍｅａｎ　Ｓｈｉｆｔ，ＣａｍＳｈｉｆｔ）方法是将Ｍｅａｎ　Ｓｈｉｆｔ算法扩展到连续图像序列的结果，能够自动调节跟踪窗　口大小以适应被跟踪目标在图像中的大小。ＣａｍＳｈｉｆｔ算法的　缺陷在于当存在与目标颜色相近的背景干扰时，常常会导致　跟踪失效。至今，已有不少学者针对ＣａｍＳｈｉｆｔ算法的特点进　行了相关的研究工作：如文献［８］将均值漂移和粒子滤波方　法相结合，使用合理聚类方法选出更具代表意义的粒子进行　Ｍｅａｎ　Ｓｈｉｆｔ迭代，提高了算法的效率；文献［９］采用梯度特征　和颜色特征共同为目标建模，提高了跟踪精度；文献［１０］将　尺度不变特征变换（Ｓｃａｌｅ　Ｉｎｖａｒｉａｎｔ　Ｆｅａｔｕｒｅ　Ｔｒａｎｓｆｏ１１／１，ＳＩＦＴ）方　法…　与颜色特征、运动特征结合起来共同表示跟踪目标的概　率分布，提高了目标区域定位的精准度和稳定性，但同时影响　了算法的实时性；文献［１２］证明ＳＩＦＴ特征的尺度和主方向与　目标的尺度、方向变化一致，并利用ＳＩＦＴ特征的方向、尺度信　息改进传统的Ｍｅａｎ　Ｓｈｉｆｔ跟踪算法。　为了解决目标受到干扰而导致跟踪失效的问题，本文在　ＣａｍＳｈｉｆｔ跟踪算法中引入快速鲁棒特征（Ｓｐｅｅｄｅｄ．Ｕｐ　Ｒｏｂｕｓｔ　Ｆｅａｔｕｒｅ，ＳＵＲＦ）的检测及匹配方法　。在相邻帧视频图像间　检测ＳＵＲＦ，通过特征匹配的筛选获得特征点位置、主方向与　尺度信息，用于引导和调整ＣａｍＳｈｉｆｔ算法中搜索区域的位置　和方向，改善了ＣａｍＳｈｉｆｔ算法易受干扰的现象。由于ＳＵＲＦ　方法性能优越，同时具有运算时间短的特点，可以实现在复杂　背景下对仿射运动目标的稳健跟踪。　１　特征提取　１．１提取色度直方图特征　ＣａｍＳｈｉｆｔ算法是基于目标颜色特征的跟踪方法，该算法　的预处理步骤是将图像由红一绿一蓝（Ｒｅｄ—Ｇｒｅｅｎ—Ｂｌｕｅ，ＲＧＢ）　颜色空间转换到色相一饱和度～明度（Ｈｕｅ－Ｓａｔｕｒａｔｉｏｎ．Ｖａｌｕｅ．　ＨＳＶ）颜色空间，以减少光照变化的影响。按式（１）统计目标　收稿日期：２０１２—０８—０８；修回日期：２０１２—０９—０６。　作者简介：王晋疆（１９７４一），男，河南林州人，副教授，博士，主要研究方向：光电信息处理、图像处理；　刘阳（１９８９一），男，江西丰城人，硕　士研究生，主要研究方向：视频图像处理、目标跟踪；吴明云（１９８８一），男，安徽马鞍山人，硕士研究生，主要研究方向：图像处理。

・计算机世界　

基于Ｃａｍｓｈｉｆｔ与Ｐａｒｔｉｃｌｅ　Ｆｉｌｔｅｒ的　

运动目标跟踪系统的设计及实现　

吴文星　李华峰（南京航空航天大学电子信息工程学院，江苏南京．２１００１６）　

摘　要：采用Ｃａｍｓｈｉｆｔ算法对图像序列中的运动目标进行跟踪，同时根据系统环境及运动目标跟踪的非线性非高斯的特点，ｇ１．ＮＰａｒｔｉｃｌｅ　Ｆｉｌｔｅｒ对跟踪算法进行改进，在保证系统的实时性的前提下提高其鲁棒性。最后在室内环境下验证该跟踪算法的实时性及可靠性，为自动跟　踪的智能监控系统提供了一种候选方案。　关键词：目标跟踪；Ｃａｍｓｈｉｆｔ；粒子滤波：智能监控　

Ｍｏｖｉｎｇ　Ｔａｒｇｅｔｓ　Ｔｒａｃｋｉｎｇ　Ｓｙｓｔｅｍ　Ｄｅｓｉｇｎ　ａｎｄ　

Ａｐｐｌｉｃａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｃａｍｓｈｉｆｔ　ａｎｄ　Ｐａｒｔｉｃｌｅ　Ｆｉｌｔｅｒ　

Ａｂｓｔｒａｃｔ　ｍｏｖｉｎｇ　ｔａｒｇｅｔｓ　ｔｒａｃｋｉｎｇ　ｍｅｔｈｏｄ　ｆｏｒ　ｔｈｅ　ｓｍａｒｔ　ｓｕｒｖｅｉｌｌａｎｃｅ　ｓｙｓｔｅｍｓ　ｗａｓ　ｐｒｅｓｅｎｔｅｄ　ｂａｓｅｄ　ｏｎｔｈｅ　Ｃａｍｓｈｉｆｔ　ａｎｄ　Ｐａｒｔｉｃｌｅ　Ｆｉｉｔｅｒ　ａｌｇｏｒｉｔｈｍ．Ｃａｍｓｈｉｆｔ　ａｌｇｏｒｉｔｈｍ　ｗａｓ　ｕｓｅｄ　ｉｎ　ｔｈｅ　ｓａｍｐｌｉｎｇ　ｓｔｅｐｓ　ｏｆ　ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒ，　ｗｈｉｃｈ　ｅｆｆｉｃｉｅｎｔｌｙ　ｒｅｄｕｃｅｓ　ｔｈｅ　ｎｕｍｂｅｒ　ｏｆ　ｓａｍｐｌｅｄ　ｐａｒｔｉｃｌｅｓ．　Ｅｘｐｅｒｉｍｅｎｔａ１　ｒｅｓｕｌｔｓ　ｐｒｏｖｅ　ｔｈａｔ　ｔｈｅ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｒｏｂｕｓｔ　ｔｏ　ｃｏｖｅｒｉｎｇ　ａｎｄ　ｃｏｌｏｒ　ｎｏｉｓｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｏｂｊｅｃｔ　ｔｒａｃｋｉｎｇ；Ｃａｍｓｈｉｆｔ；Ｐａｒｔｉｃｌｅ　ｆｉｌｔｅｒ；ｓｍａｒｔ　ｓｕｒｖｅｉｌｌａｎｃｅ　ｓｙｓｔｅｍ　

１引言　

基于ARM-Linux的改进Camshift算法目标跟踪系统

黄柏华;黄新

【摘 要】In order to make ARM-Linux accurately track target in a complex

scene and realize remote monitoring,target tracking system with improved

camshift algorithm based on ARM-Linux is proposed.Camera imaging

principle is used to set a threshold for the search window for preventing

Camshift algorithm wrongly classifies similar background color as the

target.Kalman filter optimal estimation of the system state is used to make

up for the lack of Camshift convergence location that deviates from the

target location while the target is blocked or variable motion.TCP protocol

is used to connect ARM-Linux system and the remote computer,the

tracking results are displayed on the remote computer.Experimental results

show that the system can stably track the target in the case of similar color

第３０卷第３期　２０１０年３月　计算机应用　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏ１．３Ｏ　Ｎｏ．３　Ｍａｒ．２０１Ｏ　文章编号：１００１—９０８１（２０１０）０３—０６５０—０３　联合多特征的自动ＣａｍＳｈｉｆｔ跟踪算法　卢　璇，雷航，郝宗波　（电子科技大学计算机科学与工程学院，成都６１１７３１）　（１ｕｘｕａｎ１９８４＠１６３．ｃｏｍ）　摘要：针对ＣａｍＳｈｉｆｔ跟踪算法仅采用颜色作特征，易发生跟踪错误等问题，提出了一种基于特征融合的算法。　采用改进的背景差分法自动检测目标，目标模型联合了颜色和梯度方向特征，并对特征的可信度进行加权处理，有效　解决了ＣａｍＳｈｉｆｔ算法在有颜色相近的干扰目标存在情况下跟踪可能失效的问题。实验表明，该算法提高了跟踪的准　确性和稳健性。　关键词：目标跟踪；ＭｅａｎＳｈｉｆｌ；颜色直方图；梯度方向直方图；多特征　中图分类号：ＴＰ３９１．４１　文献标志码：Ａ　Ａｕｔｏｍａｔｉｃ　ＣａｍＳｈｉｆｔ　ｔｒａｃｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｍｕｌｔｉ－ｆｅａｔｕｒｅ　ＬＵ　Ｘｕａｎ，ＬＥＩ　Ｈａｎｇ，ＨＡＯ　Ｚｏｎｇ－ｂｏ　ｆＳｃｈｏｏｌ　ｏｆＣｏｍｐｕｔｅｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ　ｏｆＥｌｅｃｔｒｏｎｉｃ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　ｏｆＣｈｉｎａ，Ｃｈｅｎｇｄｕ　Ｓｉｃｈｎａｎ　６１１７３１，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｓｉｎｃｅ　ｔｈｅ　Ｃｏｎｔｉｎｕｏｕｓｌｙ　Ａｄａｐｔｉｖｅ　ＭｅａｎＳｈｉｆｉ（ＣａｍＳｈｉｆ１）ｔｒａｃｋｉｎｇ　ａｌｇｏｒｉｔｈｍ　ｏｎｌｙ　ａｄｏｐｔｓ　ｃｏｌｏｒ　ａｓ　ｆｅａｔｕｒｅ，ｗｈｉｃｈ　ｗｏｕｌｄ　ｒｅｓｕｌｔ　ｉｎ　ｔｒａｃｋｉｎｇ　ｅｒｒｏｒ，ａｎ　ｉｍｐｒｏｖｅｄ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｆｅａｔｕｒｅ　ｆｕｓｉｏｎ　ｗａｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ｐｒｅｓｅｎｔｅｄ　ａｌｇｏｒｉｔｈｍ　ｄｅｔｅｃｔｅｄ　ｔｈｅ　ｍｏｖｉｎｇ　ｔａｒｇｅｔ　ａｕｔｏｍａｔｉｃａｌｌｙ　ｕｓｉｎｇ　ａｎ　ｉｍｐｒｏｖｅｄ　ｂａｃｋｇｒｏｕｎｄ　ｓｕｂｔｒａｃｔｉｏｎ　ｍｅｔｈｏｄ．Ｏｂｊｅｃｔ　ｍｏｄｅｌ　ｃｏｍｂｉｎｅｄ　ｃｏｌｏｒ　ａｎｄ　ｇｒａｄｉｅｎｔｓ　ｏｒｉｅｎｔａｔｉｏｎ　ｆｅａｔｕｒｅｓ，ａｎｄ　ｗｅｉｇｈｔｅｄ　ｔｈｅ　ｒｅｌｉａｂｉｌｉｔｙ　ｏｆ　ｆｅａｔｕｒｅｓ．Ｉｔ　ａｌｓｏ　ｏｖｅｒｃａｍｅ　ｔｈｅ　ｐｏｓｓｉｂｌｅ　ＣａｍＳｈｉｆｔ　ｉｎｖａｌｉｄｉｔｙ　ｉｎ　ｔｈｅ　ｓｉｔｕａｔｉｏｎ　ｏｆ　ｓｏｍｅ　ｓｉｍｉｌａｒ　ｃｏｌｏｒ　ｏｂｊｅｃｔｓ．Ｔｈｅ　ｅｘｐｅｒｉｍｅｎｔａｌ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ａｌｇｏｒｉｔｈｍ　ｅｎｈａｎｃｅｓ　ｔｈｅ　ｒｅｌｉａｂｉｌｉｔｙ　ａｎｄ　ｒｏｂｕｓｔｎｅｓｓ　ｏｆ　ｔｒａｃｋｉｎｇ．　Ｋｅｙ　ｗｏｒｄｓ：ｏｂｊｅｃｔ　ｔｒａｃｋｉｎｇ；ＭｅａｎＳｈｉｆｌ；ｃｏｌｏｒ　ｈｉｓｔｏｇｒａｍ；ｇｒａｄｉｅｎｔ　ｏｒｉｅｎｔａｔｉｏｎ　ｈｉｓｔｏｇｒａｍ；ｍｕｌｔｉ－ｆｅａｔｕｒｅ　０　引言　ＣａｍＳｈｉｆｌ（Ｃｏｎｔｉｎｕｏｕｓｌｙ　Ａｄａｐｔｉｖｅ　ＭｅａｎＳｈｉｆ１）算法，顾名思　义，其核心是ＭｅａｎＳｈｉｆｌ算法　。它是一种非参数概率密度估　计算法，在目标跟踪领域具有实时性好、算法框架化等优点，　但也存在着不足　Ｊ：缺乏模板更新算法；跟踪过程搜索窗口　带宽保持不变，不能适应有尺寸变化的目标；模型仅采用颜色　特征，不足以区分与目标颜色相近的干扰目标　Ｉ４　Ｊ。本文选　择以颜色和灰度梯度方向两个特征对目标建模，提出了一种　联合多特征的自动ＣａｍＳｈｉｆｌ跟踪算法。在摄像机固定的情况　下，运用该算法自动提取运动目标，并实时跟踪。　１　运动目标检测　本文采用基于背景差分的目标检测改进算法，采用自适　应前景背景分割阈值，克服光线变化等环境因素影响，快速准　确地提取出运动目标。　１．１背景模型的建立及更新　由于运动物体区域内的像素点变化频率比构成背景的像　素点的变化频率快，本文以此为主要特征来判断像素点的状　态——前景或背景　。该特征包括像素级和帧级两个层次。　没输入图像由Ｍ×Ｎ个像素点组成。在像素级检测，将区　分前景目标和背景，并自适应地将符合条件的像素更新为背　景。定义像素状态矩阵Ｄ　（Ｍ，Ｎ），记录第ｋ帧图像中各像素　状态，为０表示该像素的状态为背景，非０表示状态为前景。具　体如式（１）、（２）：　Ｄｋ（　）：　√）　，　，　）。。，Ｄ　（　√）　ＬＡ，　其他　（１）　（　√）：』０，Ｉｌｋ（　√）一　一　（　Ｊ）Ｉ≤　（２）　Ｌ１，　其他　其中：Ｉｘ（ｉ√）为输入图像的第ｋ帧的第ｉ行ｊｙ１］像素的颜色值；　Ｆ　（ｉ，　）为像素（ｉ，　）的颜色值从第ｋ一　帧到第ｋ帧是否变化　的二值矩阵；　为阈值，根据本文实验，该值为８０时效果较　好；Ａ为该像素的颜色值处于变化状态的帧数。当　（ｉ√）为０　时，按式（３）更新该像素为背景：　Ｂ　（ｉ√）＝Ｏｔ・，　（ｉ√）＋（１一Ｏｔ）・Ｂ　一　（ｉ　）　（３）　帧级处理是在场景中无运动物体时进行的，它快速地更　新所有像素为背景，以加快背景模型的建立与更新速度。而有　无运动物体是通过统计帧间差的二值化矩阵Ｆ　（Ｍ，Ｎ）中为　１的元素个数在图像中所占比例来确定的，当该比例小于一　定值时，就认为场景中只存在零散噪声。按式（３）更新所有像　素为背景，需注意的是这里要设定一个比像素级检测时的　稍大的更新率。经过像素级和帧级两级的处理，背景模型　Ｂ　（　，Ⅳ）被建立起来，并实时更新，能够克服光线变化等环　境因素影响。　１．２前景提取　设最终得到的前景二值图像为Ｓ　（Ｍ，Ｎ），它是用输入图　像的每一帧与背景模型的各通道对应相减后的差与一个阈值　比较得到的，其值为２５５或０。Ｔｓ为前景背景分割的自适应　阈值，通过计算该帧背景模型的均值和方差的线性组合获得。　收稿日期：２００９—０９—１４ｉ修回日期：２００９—１ｌ一１７。　作者简介：卢璇（１９８４一），女，四川眉山人，硕士研究生，主要研究方向：嵌入式图形图像；雷航（１９６０一），男，四川自贡人，教授，博士生导　师，主要研究方向：