第２２卷第６期 ２０１２年６月 计算机技术与发展 ＣＯＭＰＵＴＥＲ ＴＥＣＨＮＯＬＯＧＹ ＡＮＤ ＤＥＶＥＬＯＰＭＥＮＴ Ｖｏ１．２２ Ｎｏ．６ Ｊｕｎｅ ２０１２ 基于目标质心的Ｍｅａｎｓｈｉｆｔ跟踪算法 姚放吾 ，许辰铭 （１．南京邮电大学计算机学院，江苏南京２１０００３； ２．江苏省无线传感网高技术研究重点实验室，江苏南京２１０００３） 摘要：运动目标跟踪涉及到计算机图像处理、视频图像处理、模式识别以及人工智能等诸多领域，是一门交叉性很强的 学科。因此，研究一种实时性、鲁棒性好的运动目标跟踪方法依然是该领域面临的一个巨大挑战。快速运动目标跟踪技 术是当今目标跟踪领域的难点之一。均值漂移算法在目标跟踪过程中没有利用目标的运动方向和速度信息，这就导致了 无法准确跟踪快速目标。文中提出了一种基于质心算法的Ｍｅａｎｓｈｉｆｔ跟踪模型算法。初始位置采用运动目标质心，并在质 心位置处采用Ｍｅａｎｓｈｉｆｔ迭代，以巴氏系数判断当前目标和参考目标的匹配程度。实验分析，该算法可实现快速、有效跟踪 目标。 关键词：目标跟踪；质心；Ｍｅａｎｓｈｉｆｔ 中图分类号：ＴＰ３１ 文献标识码：Ａ 文章编号：１６７３—６２９Ｘ（２０１２）０６—０１０４—０３ Ａ Ｍｅａｎｓｈｉｆｔ Ｔｒａｃｋｉｎｇ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｃｅｎｔｒｏｉｄ ＹＡＯ Ｆａｎｇ—ＷＵ ，ＸＵ Ｃｈｅｎ—ｍｉｎｇ ・ （１．ｃ，） ｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ，Ｎａｎｊｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｐｏｓｔｓ ａｎｄ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ ２ １０００３－Ｃｈｉｎａ； ２．Ｋｅｙ Ｌａｂ ｏｆ Ｊｉａｎｇｓｕ Ｐｒｏｖｉｎｃｅ Ｗｉｒｅｌｅｓｓ Ｓｅｎｓｏｒ Ｎｅｔｗｏｒｋ Ｈｉｇｈ Ｔｅｃｈｎｏｌｏｇｙ Ｒｅｓｅａｒｃｈ，Ｎａｎｊｉｎｇ ２１０００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｍｏｖｉｎｇ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ｉｓ ａ ｈｉｇｈｌｙ ｃｒｏｓｓ—ｄｉｓｃｉｐｌｉｎａｒｙ。ｗｈｉｃｈ ｉｎｖｏｌｖｅｓ ｍａｎｙ ｆｉｅｌｄｓ，ｓｕｃｈ ａｓ ｃｏｍｐｕｔｅｒ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｖｉｄｅｏ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ，ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ，ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ ＳＯ ｏｎ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ ｒｅｓｅａｒｃｈ ｏｆ ｒｅａｌ—ｔｉｍｅ ａｎｄ ｒｏｂｕｓｔｎｅｓｓ ｉｓ ｓｔｉｌｌ ａ ｇｒｅａｔ ｃｈａｌｌｅｎｇｅ ｉｎ ｔｈｅ ｆｉｅｌｄ ｏｆ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ．Ｆａｓｔ ｍｏｄｏｎ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ｉｓ ｏｎｅ ｏｆ＂ｔｈｅ ｍｏｓｔ ｄｉｆｉｃｕｌｔｉｅｓ ｉｎ ｔｈｅ ｆｉｅｌｄ．Ｍｅａｎｓｈｉｆｔ ａｌｇｏｒｉｔｈｍ ｄｏｅｓｎ’ ｔ ｕｓｅ ｔｈｅ ｔａｒｇｅｔ’Ｓ ｍｏｔｉｏｎ ｄｉｒｅｃｔｉｏｎ ａｎｄ ｓｐｅｅｄ ｉｎｆｏｒｍａｔｉｏｎ ｉｎ ｐｒｏｃｅｓｓ ｏｆ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ．Ｓｏ ｉｔ ｂｒｉｎｇｓ ａｂｏｕｔ ｆａｉｌｕｒｅｓ ｉｎ ｆａｓｔ ｍｏｔｉｏｎ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ Ａｎ ａｌｇｏｒｉｔｈｍ ｃｏｍｂｉｎｅｄ ｃｅｎｔｅｒ ｏｆ ｇｒａｖｉｔｙ ｗｉｔｈ Ｍｅａｎｓｈｉｆｔ ａｌｇｏｒｉｔｈｍ ｉｓ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ．Ａｔ ｆｉｒｓｔ，ｕｓｅ ｔｈｅ ｃｅｎｔｒｏｉｄ ａｓ ｉｎｉｔｉａｌ ｐｏｓｉｔｉｏｎ；Ａｎｄ ｔｈｅｎ Ｍｅａｎｓｈｉｆｉ ｉｔｅｒａｔｉｏｎ ｉｓ ｄｏｎｅ ｉｎ ｔｈｅ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ｃｅｎｔｒｏｉｄ；Ａｎｄ ｔｈｅ Ｂｈａｔｔａｃｈａｒｙｙａ’Ｓ ｃｏｅｆｆｉｃｉｅｎｔ ｉｓ ａｐｐｌｉｅｄ ｔｏ ｊｕｄｇｅ ｔｈｅ ｍａｔｃｈｉｎｇ ｄｅｇｒｅｅ ｂｅｔｗｅｅｎ ｔｈｅ ｃｕｒｒｅｎｔ ｔａｒｇｅｔ ａｎｄ ｒｅｆｅｒｅｎｃｅ ｔａｒｇｅｔ．Ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｎｅｗ ａｌｇｏｒｉｔｈｍ ｃａｌｌ ｈｅｌｐ ａｃｈｉｅｖｅ ｆａｓｔ ｍｉｄ ｅｆｆｅｃｔｉｖｅ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ． Ｋｅｙ ｗｏｒｄｓ：ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ；ｃｅｎｔｒｏｉｄ；Ｍｅａｎｓｈｉｆｔ Ｏ 引 言 目标跟踪在计算机视觉领域有着非常重要的应 用。目标跟踪，就是确定视频序列中每幅图像运动目 标的位置，建立起运动目标在各幅图像中的联系 。 其中跟踪时目标速度过快，目标发生遮挡以及跟踪的 实时性问题，是跟踪技术的难点 。运动目标跟踪算 法的优劣直接影响着运动目标跟踪的稳定性和精确 度。２００２年Ｄｏｒｉｎ Ｃｏｍａｎｉｃｉｕ将Ｍｅａｎｓｈｉｆｔ算法引入到 了目标跟踪领域 ，极大减少了跟踪算法的计算量。 收稿日期：２０１１一ｌ０—２９；修回日期：２０１２—０２－０１ 基金项目：江苏高校优势学科建设工程资助项目（ｙｘ００２００１） 作者简介：姚放吾（１９５３一），男，教授，硕士生导师，研究方向为数字 图像处理、嵌入式技术及在通信中的应用；许辰铭（１９８６～），男，江苏 常州人，硕士研究生，研究方向为数字图像处理。 Ｍｅａｎｓｈｉｆｔ算法是一种基于无参密度估计的目标跟踪 算法，以核密度直方图作为描述目标模型和候选模型 的特征，颜色直方图本身对于目标对象的旋转、变形等 不敏感，因此，Ｍｅａｎｓｈｉｆｔ算法对于运动目标尺度变化 有良好的适用性。同时，由于核函数的单峰性和有限 局部支撑性，核函数对于目标对象遇到部分遮挡的情 况时，算法仍具有良好的鲁棒性。 １ Ｍｅａｎｓｈｉｆｔ算法 １．１ Ｍｅａｎｓｈｉｆｔ算法原理 在ｄ维空间尺 中给出ｎ个样本点 ，ｉ＝１，…，ｎ，可 以定义在 点的Ｍｅａｎｓｈｉｆｉ向量基本形式为： ％（ ） Ｔ１∑（ 一 ） （１） ｘ．Ｅ ＾ 可以知道（
一种邻帧匹配与卡尔曼滤波相结合的多目标跟踪算法
梅立雪;汪兆栋;张浦哲
【摘 要】传统目标跟踪算法很难在户外视频中进行行人实时跟踪及人流量统计,针对该问题,提出一种联合邻帧匹配与卡尔曼滤波器的多目标跟踪算法.该算法首先以方向梯度直方图(HOG)为特征的自适应推进(Adaboost)分类器进行行人人头检测,进而采用卡尔曼滤波进行行人轨迹预测,并应用邻帧匹配算法对该目标运动轨迹进行校正.在邻帧匹配法中,新颖地将跟踪过程中的目标匹配问题转化为基于匈牙利算法的指派问题.因邻帧匹配法能更好地区分不同待匹配目标的特征,较传统跟踪算法,能更好地避免误匹配、漏匹配等问题,提高了目标跟踪的准确率,实验证明,该监控系统准确率高,且能满足扶梯监控系统应用场景下的鲁棒性、实时性要求.
【期刊名称】《科学技术与工程》
【年(卷),期】2019(019)015
【总页数】7页(P204-210)
【关键词】方向梯度直方图;运动目标跟踪;邻帧匹配;卡尔曼滤波
【作 者】梅立雪;汪兆栋;张浦哲
【作者单位】景德镇学院机械与电子工程系,景德镇333000;景德镇学院机械与电子工程系,景德镇333000;景德镇学院机械与电子工程系,景德镇333000
【正文语种】中 文
【中图分类】TP391.41
目标跟踪是对视频中的感兴趣目标区域进行实现跟踪的过程，是智能视频监控领域的基本任务之一，很多现实应用都要以此为基础；如：客流量统计、异常行为识别、拥堵检测等。对监控场景中的感兴趣区域进行检测跟踪通常有两类方法，第一种是先检测出该目标所在的区域，再在相邻帧中对这些感兴趣区域进行配对，进而确定目标在每帧图像中的位置及运动轨迹；第二种是直接对视频中每帧图像的感兴趣目标进行识别与标定，进而对每个目标进行实时跟踪及预测其运动轨迹。目前常见的目标跟踪算法有均值漂移法、曲线演化法、活动轮廓模型、粒子滤波、卡尔曼滤波以及基于预测与估计的跟踪方法等。
基于二次加权Mean-Shift的目标实时跟踪
张京爱;李群;李鹏飞;王江涛
【摘 要】An improved Mean-Shift trailing algorithm is proposed to resolve
the short-coming of classical Mean-Shift trailing algorithm which needs
multi-iterations to converge. In the object tracking systems, the color
space is often adopted as the feature space, and the objects usually have
unique colors so as to distinguish it selves from the background. In Mean-Shift algorithm the color feature's distributions are associated with the
weights of the Mean-Shift vector. Through analyzing influences of different
weights may have on the converge speeds, we reweight the weight
coefficients, and permit the algorithm to accurately locate the target only
through two iterations: a coarse one and a fine one. Experimental results
demonstrate that the presented method is more efficient than the classical
ｌ 匐 化 基于前景的分块ｍｅａｎｓｈｉｆｔ跟踪 Ａ ｎｅｗ ｆｒａｇ－ｍｅａｎｓｈｉｆｔ ｂａｓｅｄ ｏｎ ｆｏｒｅｇｒｏｕｎｄ 李铁骑，卢章平 ＬＩ Ｔｉｅ．ｑｉ．ＬＵ Ｚｈａｎｇ．ｐｉｎｇ （江苏大学机械工程学院，镇江２１２０１３） 摘要：遮挡问题是目标跟踪的一个难点，有效处理遮挡，特别是严重遮挡和全部遮挡是评价目标跟踪 算法优劣的重要指标。Ｍｅａｎｓｈｉｆ ｔ算法是目前比较流行，算法鲁棒性较好的跟踪算法。但该 法过分依赖目标颜色信息，所以当多个运动物体外表颜色相似时，这种算法往往导致跟踪失 败，本文对目标物体采用分块跟踪，并结合ｋａｌｍａｎ滤波器进行预测，加速分块ｍｅａｎｓｈｉｆｔ的收 敛速度。同Ｂ寸我ｔｌ＇￣ｇ １人一个新的前景权值，减 被背景遮挡的子块对目标跟踪的影响，提高 算法的鲁棒性。 关键词：运动目标遮挡；连续跟踪；卡尔曼；分块颜色跟踪；前景权值 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１ ００９－０１ ３４（２０１ １）７（上）一００９１－０４ Ｄｏｉ：１ ０．３９６９／Ｊ．Ｊｓｓｎ．１ ００９－０１ ３４．２０１１．７（【一）．２７ ０引言 近年来随着计算机技术的不断发展，数字图 像处理技术研究的不断深入，智能视频得到了广 泛的发展，但同时也存在着很多的问题，如何准 确跟踪运动目标，特别是遮挡情况下运动目标的跟 踪成为我们研究的热点。目前处理运动目标遮挡问 题的方法主要有：１）基于目标特征匹配的算法，在 遮挡过程中以剩余的特点表决目标的位置…；２） 灰度区域匹配和Ｋａｌｍａｎ预测相结合，以像素灰度的 预测值和测量值的差别来判断该像素是否发生遮 挡，以确定怎样进行模板更新 ；３）多子模板匹配 的方法，以匹配误差判定子模板是否被遮挡，然后用 整体的目标灰度相关匹配来继续跟踪目标 ；４） 基于动态贝叶斯网络模型来精确地对遮挡过程建 模 Ｊ；５）基于网格模型解决遮挡问题 ；６）基于 最小协方差的匹配跟踪方法 ；７）基于颜色特征 跟踪的ｍｅａｎｓｈｉｆｔ及ｃａｍｓｈｉｆｔ算法 。 Ｍｅａｎ ｓｈｉｆｔ是目前一种比较流行的跟踪算法， 该算法根据目标的颜色信息进行跟踪，算法计算 量小，适于实时处理，在简单背景环境中能够取得 较好的跟踪效果，但它同样存在着很多的缺点， １）过于依赖颜色信息，忽略了运动物体的空间信 息。当多个颜色相近的物体重叠时往往导致跟踪 失败；２）目标物体发生变形或尺度变化时容易跟 踪失败；３）当跟踪物体发生遮挡时，获得的运动 物体坐标误差很大。基于以上这些缺点，我们对 ｍｅａｎｓｈｉｆｔ算法做了改进，对目标物体进行分块跟 踪，并引入前景信息作为分块权值，成功解决了 以上几大问题，具有良好的精度和稳定性。 １传统的ＭＥＡＮ ＳＨＩＦＴ跟踪算法 Ｍｅａｎｓｈｉｆｔ最早是由Ｆｕｋｕｎａｇａ等人于１９７５年在 一篇关于概率密度梯度函数的估计中提出来的， 指的是一个偏移的均值向量。Ｃｏｍａｎｉｃｉｕ等人把 非刚体的跟踪问题近似为一个ＭｅａｎＳｈｉｆｔ最优化问 题，使得跟踪可以实时的进行。 Ｍｅａｎｓｈｉｆｔ其实是一种基于颜色的跟踪算法， 他首先提取出第一帧目标物体的信息，并把它转 换成ＨＳＶ图像（该种格式的图像Ｈ颜色向量受光线 影响很小），并利用Ｈ向量，建立颜色直方图，并 表示为： ＝ｃ∑ ［ＩＩ ［６（ ）－ｕ］ ’ ｉ＝１ ，ｆ 其中Ｘ 表示目标中心点，Ｋ为核函数（由于目 标物体边缘颜色容易受到环境因素的影响，所以 我们引入核函数来削落边缘的影响。），ｃ为归一 化函数。 下一帧候选目标物体表示为： 钏孚 铂 收稿日期：２０１１－０２－１０ 作者简介：李铁骑（１９８５一），男，江西遂川人，硕士研究生，研究方向为计算机视觉、图形图像处理。 第３３卷第７期２０１１－７（上） ［９１１
