利用CamShift算法实现运动目标自动跟踪

格式：pdf
大小：2.35 MB
文档页数：6

下载文档原格式

基于快速鲁棒特征的CamShift跟踪算法

ｗＡＮＧＪｉｎｊｉａｎｇ，ＬＩＵｒａｎｇ ’ ，ＷＵＭｉｎｇｙｕｎ
（１．ＣｏｌｌｅｇｅｏｆＰｒｅｃｉｓｉｏｎＪｗ仉￡Ｂ眦ａｎｄＯｐｔｏ — ｅｌｅｃｔｒｏｎｉｃｓＥｎｇｉｎｅｅｒｉｎｇ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ；２．ＫｅｙＬａｂｏｒａｔｏｒｙｆＯｏｐｔｏ－ｅｌｅｃｔｒｏｎｉｃｓＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｍｉｎ￣ｔｒｙｏｆＥｄｕｃａｔｉｏｎ（ＴｉａｎｉｆｎＵｎｉｖｅｒｓｉｔｙ），Ｔｉａｎｉｆｎ３０００７２，Ｃｈｉｎａ）
ｉｍａｇｅｉｎｆｏｍａｒｔｉｏｎｆｒｏｍｔｈｅｔａｒｇｅｔａｎｄｓｅａｒｃｈｅｄａｒｅａｓｏｆｍｕｌｔｉ — ｃｈａｎｎｅｌｉｍａｇｅｓ，ａｎｄｔｈｅｎｍａｔｃｈｅｄｔｈｅｆｅａｔｕｒｅｐｏｉｎｔｓｂｙｔｈｅｍｅｔｈｏｄｏｆａｐｐｒｏｘｉｍａｔｅｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｓｅａｒｃｈｉｎｇ．Ｔｈｅｌｏｃａｔｉｏｎ，ｓｃｌｅａａｎｄｏｉｅｒｎｔａｔｉｏｎｉｎｆｏｍａｒｔｉｏｎｏｆｔｈｅｆｅａｔｕｒｅｐｏｉｎｔｓｗｅｒｅｏｂｔａｉｎｅｄｕｔｉｌｉｚｉｎｇｔｈｅｐｕｉｒｉｆｅｄｍａｔｃｈｉｎｇｒｅｓｕｌｔｓ，ｔｈｅｒｅｆｏｒｅｔｈｅＣａｍＳｈｉｆｔｍｅｔｈｏｄｗａｓｃｏｎｓｔｒａｉｎｅｄａｎｄｕｐｄａｔｅｄｔｏｉｍｐｒｏｖｅｔｈｅ

基于Camshift与Particle Filter的运动目标跟踪系统的设计及实现

—
Ｃｍｈｆａｄａｔｃｅｉｔｒｌｏｉｈ．Ｃｍｈｉｔｌｏｉｈａｕｅｉｔｅａｐｉｇｔｐｏｐｒｉｌｆｌｅ，ａｓｉｔｎＰｒｉｌＦｉｅａｇｒｔｍａｓｆａｇｒｔｍｗｓｓｄｎｈｓｍｌｎｓｅｓｆａｔｃｅｉｔｒｗｃｅｆｃｅｔｙｅｕｃｓｔｅｕｂｒｆｓｍｐｅｐｒｉｌｓＥｐｒｍｎａｒｅｕｌｓｒｖｔｔｔｅｉｒｖｄｈｉｈｆｉｉｎｌｒｄｅｈｎｍｅｏａｌｄａｔｃｅ．ｘｅｉｅｔ１ｓｔｐｏｅｈａｈｍｐｏｅ
１引言
近年来，随着计算机技术、自动化技术和光电技术突飞猛进的发展，以图像为基础的视频，凭借着它直观、方便以及内容
踪。 ቤተ መጻሕፍቲ ባይዱ
Ｃｍｈｆ算法具体步骤：ａｓｉｔ（采集一帧当前图像，换为ＨＳ间，取Ｈ１）转Ｖ空提分量直方
丰富的特点，正越来越受到人们的青睐。然而在很多场合下，人图；
们为了从视频中获得信息而付出了很多艰辛的劳动，之而来随
（从原图像中选择一个区域作为目标模板，２）提取ＨＶＳ空间
分量概率分布直方图，得到原图像反向投影图，根据以上条的是对一种可以代替人劳动，以让人从繁重的视觉劳动中解的Ｈ可件初始化相关变量。脱出来的技术的迫切需要。这种技术就是机器视觉（ａｈｎＭｃｉｅＶｓｏ）又称计算机视觉。器视觉是一门跨学科的领域，ｉｉｎ，机涉及计算机学、理学、物信号处理、心理学、生理学和数学等。它是指用摄像头获取环境图像并转换成数字信号，用计算机实现（计算图像的一阶矩和二阶矩，到图像的质心，整窗３）得调口大小，移动窗口中心到图像质心；（判断是否符合终止条件，合则显示搜索结果，４）符否则返

视频检测和运动目标跟踪方法总结

视频检测和运动目标跟踪方法总结目前常用的视频检测方法可分为如下几类：光流法，时域差分法，背景消减法，边缘检测法，运动矢量检测法[2]。

一、光流法光流法[1]是一种以灰度梯度基本不变或亮度恒定的约束假设为基础对运动目标进行检测的有效方法。

光流是指图像中灰度模式运动的速度，它是景物中可见的三维速度矢量在成像平面上的投影，表示了景物表面点在图像中位置的瞬时变化，一般情况下，可以认为光流和运动场没有太大区别，因此就可以根据图像运动来估计相对运动。

优点：光流不仅携带了运动目标的运动信息，而且还携带了有关景物三维结构的丰富信息，它能够检测独立运动的对象，不需要预先知道场景的任何信息，并且能够适用于静止背景和运动背景两种环境。

缺点：当目标与背景图像的对比度太小，或图像存在噪音时，单纯地从图像灰度强度出发来探测目标的光流场方法将会导致很高的虚警率。

且计算复杂耗时，需要特殊的硬件支持。

二、时域差分法时域差分法分为帧差法和改进的三帧双差分法。

1.帧差法帧差法[8]是在图像序列中的相邻帧采用基于像素点的时间差分, 然后阈值化来提取出运动区域。

视频流的场景具有连续性，在环境亮度变化不大的情况下，图像中若没有物体运动，帧差值会很小；反之若有物体运动则会引起显著的差值。

优点：时域相邻帧差法算法简单，易于实现，对背景或者光线的缓慢变化不太敏感，具有较强的适应性，能够快速有效地从背景中检测出运动目标。

缺点：它不能完全提取运动目标所有相关像素点，在运动实体内部不容易产生空洞现象。

而且在运动方向上被拉伸，包含了当前帧中由于运动引起的背景显露部分，这样提取的目标信息并不准确。

2.三帧双差分法三帧双差分法与相邻帧差法基本思想类似，但检测运动目标的判决条件上有所不同。

三帧双差分较两帧差分提取的运动目标位置更为准确。

三、背景消减法背景消减法[4]是将当前帧与背景帧相减，用阈值T判断得到当前时刻图像中偏离背景模型值较大的点，若差值大于T则认为是前景点（目标）；反之，认为是背景点，从而完整的分割出目标物体。

基于双目视觉的绳驱动飞行机械臂目标识别与抓取

基于双目视觉的绳驱动飞行机械臂目标识别与抓取
谭荣凯;杨浩秦;王尧尧
【期刊名称】《机械制造与自动化》
【年(卷),期】2024(53)1
【摘要】为提高面向飞行机械臂平台的目标姿态估计的精度,为飞行机械臂配备双目视觉系统,对绳驱动机械臂和双目相机进行系统建模,利用Camshift算法对目标进行实时追踪,结合目标的几何特征提出一种轻量化的目标姿态估计算法,可用于飞行平台的实时目标追踪与姿态估计并进行飞行机械臂抓取实验。

实验证明:该姿态估计算法对于目标追踪和姿态估计具有较好精度,可以实现抓取作业。

【总页数】5页(P191-195)
【作者】谭荣凯;杨浩秦;王尧尧
【作者单位】南京航空航天大学机电学院;南京航空航天大学材料科学与技术学院【正文语种】中文
【中图分类】TP249
【相关文献】
1.基于时延估计的绳驱动飞行机械臂模糊非奇异终端滑模飞行控制
2.基于双目视觉的目标识别与定位及机械臂的抓取研究
3.基于BOA-BP神经网络的绳驱动空中机械臂系统辨识
4.基于绳驱动的多段柔性连续体机械臂的运动学与实验研究
5.基于双目视觉定位的机械臂智能抓取控制研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Camshift与Kalman滤波算法的动态目标跟踪

计算法，利用目标运动的方向与速度信息，以很小的计
反向投影模板的生成过程如下：
算量可以准确地预测出目标的位置与速度。来实现目标的实时跟踪，根据场景中不同的干扰情况，采用不同的比例因子将Ｃｍｈｆ算法与Ｋｌａ算法计算的ａｓｉｌａｎｍ结果进行相应的线性加权，从而得到目的最终位置。在标
∑ ∑Ｘ（，２ｙＪ）
（）７（）８
＝测目
式中：
为状态预测值；ｋＸ为先验估计
。的修正
的协方差矩
Ｍ２ｏ＝∑ ∑ｙ（，２ｙＪ）
令。＝
标长洲的方向角为
０＝ｔ２ａ（ｎ）
值；为卡尔曼滤波增益矩阵；一为Ｐ。
。［一＋
一
。］
。＋Ｒ）
（５１）
（６１）
（７１）（８１）
Ｐ¨
一
。
（
一
２）白适应的计算搜索的宽Ｗ与高ｈ。
计算与Ｙ的二阶矩，式为公
。＝
Ｐ
ｌ＝Ａ ¨
１
Ｐ
一
ｌ
Ａ
．
一
】Ｑ＋
Ｐ：（ — ＨＩ）
１连续自应均值漂移算法适
Ｃｍｈｆ算法是基于Ｍａｓｉ算法的搜索算法，ａｓｉｌｅｎｈｆｌ它
等领域的关键性技术。由于Ｍｅｎｈ算法具有无参ａｓｉｌｆ
数、高效、快速等特性，从而被广泛应用于目标跟踪的应用将Ｍａｓｉ算法扩展到整个图像序列。Ｃｍｈ算法利ｅｎｈｆｌａｓｉｉｆ

Mean shift和CamShift在目标追踪的应用

Mean shift和CamShift 在目标追踪的应用2014309030113王宗贤2015.6.10Mean shift 和CamShift 在目标追踪的应用Mean Shift 简介Mean Shift 这个概念最早是由Fukunaga 等人[1]于1975年在一篇关于概率密度梯度函数的估计中提出来的，其最初含义正如其名，就是偏移的均值向量，在这里Mean Shift 是一个名词，它指代的是一个向量，但随着Mean Shift 理论的发展，Mean Shift 的含义也发生了变化，如果我们说Mean Shift 算法，一般是指一个迭代的步骤，即先算出当前点的偏移均值，移动该点到其偏移均值，然后以此为新的起始点，继续移动，直到满足一定的条件结束。

然而在以后的很长一段时间内Mean Shift 并没有引起人们的注意，直到20年以后，也就是1995年，另外一篇关于Mean Shift 的重要文献[2]才发表。

在这篇重要的文献中。

Yizong Cheng 对基本的Mean Shift 算法在以下两个方面做了推广，首先Yizong Cheng 定义了一族核函数，使得随着样本与被偏移点的距离不同，其偏移量对均值偏移向量的贡献也不同，其次Yizong Cheng 还设定了一个权重系数，使得不同的样本点重要性不一样，这大大扩大了Mean Shift 的适用范围。

另外Yizong Cheng 指出了Mean Shift 可能应用的领域，并给出了具体的例子。

Comaniciu 等人[5]还把非刚体的跟踪问题近似为一个Mean Shift 最优化问题。

使得跟踪可以实时的进行。

在后面的几节，本文将详细的说明Mean Shift 的基本思想及其扩展，其背后的物理含义，以及算法步骤，并给出理论证明。

最后本文还将给出Mean Shift 在聚类。

图像平滑，图像分割，物体实时跟踪这几个方面的具体应用。

Bradski 根据Mean Shift 算法的不足，提出了Cam Shift 算法。

Camshift算法原理

Camshift原理camshift利用目标的颜色直方图模型将图像转换为颜色概率分布图，初始化一个搜索窗的大小和位置，并根据上一帧得到的结果自适应调整搜索窗口的位置和大小，从而定位出当前图像中目标的中心位置。

分为三个部分：1--色彩投影图（反向投影）：(1).RGB颜色空间对光照亮度变化较为敏感，为了减少此变化对跟踪效果的影响，首先将图像从RGB空间转换到HSV空间。

(2).然后对其中的H分量作直方图，在直方图中代表了不同H分量值出现的概率或者像素个数，就是说可以查找出H分量大小为h的概率或者像素个数，即得到了颜色概率查找表。

(3).将图像中每个像素的值用其颜色出现的概率对替换，就得到了颜色概率分布图。

这个过程就叫反向投影，颜色概率分布图是一个灰度图像。

2--meanshiftmeanshift算法是一种密度函数梯度估计的非参数方法，通过迭代寻优找到概率分布的极值来定位目标。

算法过程为：(1).在颜色概率分布图中选取搜索窗W(2).计算零阶距：计算一阶距：计算搜索窗的质心：(3).调整搜索窗大小宽度为；长度为1.2s；(4).移动搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复2)3)4)，直到搜索窗的中心与质心间的移动距离小于预设的固定阈值，或者循环运算的次数达到某一最大值，停止计算。

关于meanshift的收敛性证明可以google相关文献。

3--camshift将meanshift算法扩展到连续图像序列，就是camshift算法。

它将视频的所有帧做meanshift 运算，并将上一帧的结果，即搜索窗的大小和中心，作为下一帧meanshift算法搜索窗的初始值。

如此迭代下去，就可以实现对目标的跟踪。

算法过程为：(1).初始化搜索窗(2).计算搜索窗的颜色概率分布（反向投影）(3).运行meanshift算法，获得搜索窗新的大小和位置。

(4).在下一帧视频图像中用(3)中的值重新初始化搜索窗的大小和位置，再跳转到(2)继续进行。

基于OpenCV的运动目标跟踪及其实现

基于ＯｐｅｎＣＶ的运动目标跟踪及其实现作者：李振伟陈翀赵有来源：《现代电子技术》2008年第20期摘要：CAMSHIFT算法是一种基于颜色直方图的目标跟踪算法。

在视频跟踪过程中，CAMSHIFT算法利用选定目标的颜色直方图模型得到每帧图像的颜色投影图，并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小，得到当前帧中目标的尺寸和质心位置。

在介绍Intel公司的开源OpenCV计算机视觉库的基础上，采用CAMSHIFT跟踪算法，实现运动目标跟踪，解决了跟踪目标发生存在旋转或部分遮挡等复杂情况下的跟踪难题。

实验结果表明该算法的有效性、优越性和可行性。

关键词：目标跟踪；CAMSHIFT算法；OpenCV；颜色直方图中图分类号：TP391文献标识码：B文章编号：1004373X(2008)2012803Moving Object Tracking Method and Implement Based on OpenCVLI Zhenwei1,2,CHEN Chong1,2,ZHAO You1(1.Changchun Observatory,National Astronomical Observatories,Chinese Academy of Sciences,Changchun,130117,China;2.Graduate School,Chinese Academy of Sciences,Beijing,100049,China)Abstract：CAMSHIFT is an object tracking algorithm based onthe color histogram.In the process of object tracking,CAMSHIFT operates on a color back-projection image produced from object histogram model in current frame and finds the location and size of the current frame by adaptively adjusting the size and the location of the searching windows according to the tracking results of the previous frame in the video.On the basis of introducing OpenCV(an Intel open source computer vision library),through CAMSHIFT algorithm,the paper realizes moving object tracking and resolves some problems including distractor and occlusion by other objects.Experimental results show good perf o rmances,superiority and feasibility of the algorithm.Keywords：object tracking;CAMSHIFT algorithm;OpenCV;color histogram目标跟踪是计算机视觉的一个重要分支，日益广泛应用于科学技术、国防安全、航空、医药卫生以及国民经济等领域。

利用Camshift算法实现运动目标自动跟踪

目标发生旋转、遮挡和速率变化时都能精确跟踪的效果，并将这种改进的Ｃａｈｆ组合算法应用在自适应实时ｍｓｉｔ跟踪系统上，提高了系统识别速度和跟踪能力。关键词：Ｃｍｓｉ；Ｋｌｎａｈｆａｔｍａ；跟踪；自动；ＨＶＳ中图分类号：Ｐ９Ｔ３３文献标志码：Ａ文章编号：６３９３（１）５０５ —６１７ — ８３２００ — ０８００
Ａｂｓｒｃｔａｔ：Ｔｏｒａｉｅｔａｋｎａｇｔｕｏａｉａｌｎｔｅｅｖｒｎｎｓｏｏｅｌｒｃｉｇｔｒｅｓａｔｍｔｃｌｉｎｉｏｍｅｔｆｃｍｐｌｘｂｃｇｏｎ，ｏｏｏｆｓｏｎｚｙｈｅａｋｒｕｄｃｌｒｃｎｕｉｎａｄｔｒｅｅｏｍａｉ，ｈｈｒｃｅｉｔｃｆＣａｓｉｔａｇｒｔｍｅｓｔｖｏｔｅｈｅｃｍｐｎｎｒｘｅｄｄｔａｕａｉｎａｇｔｄｆｒｔｏｎｔｅｃａａｔｒｓｉｓｏｍｈｆｌｏｉｈｓｎｉｅｔｈｕｏｉｏｅｔｅｅｔｎｅｏｓｔｒｔｏ，ａ
曲巨宝。淑娟，王，林宏基。
（．１武夷学院数学与计算机系，福建武夷山３４０；２武夷学院继续教育学院，福建武夷山３４０；５３０．５３０
３福州大学数学与计算机科学学院，福建福州３００．５０２）
ｔｍｅａａｔｅｔａｋｎｙｓｅｓａｄｔｅｒｃｇｉｏｐｅｎａｋｎａａｉｉｆｓｓｅｓａｅｉｐｏｅｉｄｐｉｃｉｇｓｔｍ，ｎｈｅｏｎｔｎｓｅｄａｄｔｃｇｃｐｂｌｙｏｙｔｍｖｒｉｒｉｔｒｍｒｖｄ．Ｋｅｗｏｄｙｒｓ：Ｃａｓｉｔｍｈｆ；Ｋａｍａ；ｔａｋｎ；ａｔｍａｉａｌ；ＨＳｌｎｒｃｉｇｕｏｔｌｙｃＶ

Meanshift和Camshift的比较及在目标追踪中的应用

直观描述meanshift算法
兴趣区域质心
目标：寻找密度最大区域 Distribution of identical billiard balls
Mean Shifቤተ መጻሕፍቲ ባይዱ 优点 &缺点
优点 : 缺点:
Mean Shift作为一种高效的模式匹配算法，由于不需要进行全局搜索，而且搜索精度高，已经广泛地应用在各种模式识别、实时可视跟踪等领域。
缺乏必要的模型更新方法；整个跟踪过程中跟踪窗口的大小保持不变，当目标存在尺度变化的时候会导致尺度定位不准确。
CamShift 算法理论
Camshift算法
• Bradski根据Mean Shift算法的不足，提出了 Camshift算法。CamShift算法，即Continuously Adaptive Mean-Shift算法。 • 基本思想:就是对视频图像的多帧进行MeanShift 运算，将上一帧结果作为下一帧的初始值，迭代下去。 • 该算法采用不变矩对目标的尺寸进行估算，实现了连续自适应地调整跟踪窗口的大小和位置，并将其应用在对连续彩色图像序列中的运动目标的快速跟踪。
CamShift用于目标追踪
将MEANSHIFT算法扩展到连续图像序列，就是CAMSHIFT算法
Camshift用于目标追踪
• CamShift算法，基本思想就是对视频图像的多帧进行MeanShift运算，将上一帧结果作为下一帧的初始值，迭代下去。所以只展示 camshift用于追踪。 • CamShift算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。 • • • • Camshift算法用于追踪，可以简单分为三步：（1）直方图以及直方图的反投影的计算。（2）Meanshift算法。（3）Camshift算法。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Using Camshift Algorithm to Track Moving Objects Automatically
Qu Jubao1，Wang Shujuan2，Lin Hongji3
（1. Department of Mathematics & Computer，Wuyi University，Wuyishan Fujian 354300，China； 2. Continuing Education Institute，Wuyi University，Wuyishan Fujian 354300，China；
的程度；
d2b 值的大小表示目标模型与背景模型的区分程度。
最优目标模型应使
d
2 a
尽量小，同时使
d
2 b
尽量大。
这是一个多目标规划（LVP）问题，用线性加权法将
其转化为单目标规划问题。令、为选定的权系数，
其值表示 2 个目标函数的信任程度，并满足 + =1，
> 0, > 0，目标函数为：
d2=
d a2-
型，使得组合模型和目标模式有较高的相似性，且与
背景模式有较大的差异性，令最优组合系数为x*i，i =1, 2,3。对目标区域及目标周围背景区域的颜色分布进行
概率统计，分别用 pa , pb 表示，它们与凸组合模型 qz 间的欧氏距离平方表示为：
，
，
（6）
式中：d
2 a
值的大小表示目标模型与最优组合模型接近
a）原始图像
b）背景差分图像
c）经典三帧差分图像
d）改进三帧差分图像
图 1 不同方法获取目标的结果图
Fig . 1 Results of different methods for the target
2 改进的 Camshift 算法
1 目标获取与背景更新
1.1 三帧差分法获取运动目标
对视频序列图像跟踪时，精确地获取目标非常关
键。为此，首先利用自适应性能较好的 Surendra 算法
获取运动图像的初始背景[6]，然后再采用帧差法获取
目标。当目标出现后，将前 k 帧连续图像，采用背景
差分法建立背景图像 Bi(x, y)，i = 1, 2,…,n，n 为像素点个数。从第 k+1 帧开始用当前帧与背景 Bi 进行背景减除运算，得到运动目标差值图像 DBi(x, y)。但此二值目标往往含有很大噪声，不能直接使用，需进一步采用
2.1 颜色模式自适应组合在实际的跟踪中，目标往往是由多种颜色构成
的。而经典的 Camshift 算法仅使用单一的 HSV 颜色模型中的 H（Hue）分量作为目标建模特征，尽管也能表现多种颜色；但是当 S（Saturation）或者 V（Value）值有较大变化时，导致跟踪的灵敏度降低[ 8 ] 。为使 Camshift 算法同样适用于 S 和 V 分量，并且能够根据目标颜色自适应地进行 HSV 三分量的最优组合，首先将上节获得的目标利用反向投影图求取 HSV 图像，然后构建 H, S, V 三维颜色分布直方图目标模型：
的运动目标图像：
（3）
式中：Ci(x, y) 表示最终提取的运动目标图像； DBi(x, y) 表示背景差分结果。
1.2 自适应背景更新当运动目标图像中同一像素点在前后 2 帧间没有
较大变化时，背景图像中不用更新此点；否则，就要按照一定的更新系数进行背景更新，以保证有外界干扰后背景能及时得到更新。本文采用去除运动目标对应区域之外的点进行自适应更新的背景建模策略。令 Ii(x, y)表示当前图像的灰度值，Bi(x, y)和 Bi+1(x, y)分别表示当前帧和下一帧的背景值。则背景更新模型为：
设 Kalman 滤波的状态向量和观测向量分别为：
，
，
式中：xt 和 x′t 分别为目标图像在 t 时刻，x 方向的位置和运动速度；yt 和 y′t 分别为目标图像在 t 时刻 y 方向的位置和运动速度；xc,t, yc,t 分别为目标中心在 x, y 轴上
59
依靠投影图动态获得目标尺度和可变搜索核窗宽，依靠连续迭代矩阵运算获取目标形心位置[2-4]，实现对人脸等具有特定颜色的目标进行良好跟踪[5] ；但是当背景复杂，运动目标色彩丰富，或目标与背景颜色接近时，对录像视频进行仿真跟踪时会出现偏差；而且应用到现场在线跟踪后偏差更大，目标丢失较快。为此，笔者对 Camshift 算法进行了研究，提出了一种改进的 Camshift 组合算法。该方法通过构建自适应颜色组合模型，目标倾角识别，Kalman 预测等技术实现对目标的精确跟踪；利用析取函数改进了目标分割效果。将改进算法运用到实时跟踪系统中取得了较理想的跟踪效果。
目标发生旋转、遮挡和速率变化时都能精确跟踪的效果，并将这种改进的 Camshift 组合算法应用在自适应实时
跟踪系统上，提高了系统识别速度和跟踪能力。
关键词：Camshift；Kalman；跟踪；自动；HSV
中图分类号：TP393
文献标志码：A
文章编号：1673-9833(2010)05-0058-06
3. College of Mathematics and Computer Science，Fuzhou University，Fuzhou 350002，China）
Abstract：To realize tracking targets automatically in the environments of complex background, color confusion and target deformation, the characteristics of Camshift algorithm sensitive to the hue component are extended to saturation, brightness and other components, and a convex combination of three-component color model is set up. The multi-objective programming optimal solution is used to get the best combination of adaptive color recognition, and combining with the center of mass, inclination to identify and Kalman tracking motion information prediction, the accurate tracking results are obtained in complex scenes of color target rotated, block and rate changes. The improved Camshift combination algorithm is applied in realtime adaptive tracking systems, and the recognition speed and tracking capability of systems are improved.
第 24 卷第 5 期 2010 年 9 月
湖南工业大学学报 Journal of Hunan University of Technology
Vol.24 No.5 Sep. 2010
利用 Camshift 算法实现运动目标自动跟踪
曲巨宝 1，王淑娟 2，林宏基 3
（1. 武夷学院数学与计算机系，福建武夷山 354300；2. 武夷学院继续教育学院，福建武夷山 354300； 3. 福州大学数学与计算机科学学院，福建福州 350002）
Keywords ：Camshift；Kalman；tracking；automatically；HSV
0 引言
运动目标的检测与跟踪已经成为智能视觉监控领域重要的研究课题，在国防、航空航天、公共安全等方面得到了广泛应用。实现目标跟踪的关键在于，要有一种高效精准的跟踪算法实时准确地提取目标，同
时还要有性能良好的跟踪系统。当视频图像中背景光照发生变化，目标发生缩放、旋转或遮挡时，使用 Hausdorff 距离匹配、Meanshift 算法和粒子滤波等一般很难达到实时跟踪目标的要求[1]。当目标发生明显的尺寸变化时，无法自适应更新跟踪核窗宽。当状态空间维数增大时计算量增加太快，Camshift 算法虽然能够
q1, q2, q3 ,
60
湖南工业大学学报
2010 年
其中：
，是关于目标的颜色分
布直方图。
令三维向量图为 Q = (q1, q2, q3)，向量组合系数
，
。
（9）
，
，xi > 0，i =1,2,3。定义凸组合模
型为：
qz = QX 。
（5）
为获得最优匹配效果，在不同场景下使用不同模
化处理：
，
（1）
（2）
式中：
为析取函数；
Bi(x, y)为输出的二值化差值图像。将得到的 2 组二值图像再做逻辑“与”运算，得
到目标的三帧差分法目标图像 Ti(x, y)，为去除图像中残余的噪声点和目标中的空洞，进一步对此二值图像
进行形态学滤波；将三帧差分法提取的目标同背景差
分法提取的目标进行再次逻辑“或”运算，得到最终
（4）
式中， ∈(0, 1)是更新系数，实验中通常在区间 [0.02, 0.04]内取值，它控制背景更新的速度。
对同一段视频图像采用不同的目标获取方法，得到的结果有明显区别。图 1 给出了改进前后三帧差分法获取目标图像的比较结果。从中可以看出，利用改进三帧差分法和自适应背景更新，获取的目标轮廓性好，连通性更好。