一種改進的camshift/kalman運動目標(biāo)跟蹤算法
劉士榮，姜曉艷
（杭州電子科技大學(xué)自動化研究所，浙江杭州310018）
摘 要：針對目標(biāo)跟蹤中的目標(biāo)遮擋、丟失等情況，提出了一種改進的基于空間邊緣方向
直方目的camshift/kalman跟蹤算法。首先，利用空間邊緣梯度方向作為匹配信息，同時自適應(yīng)修正每幀中的匹配模板，再使用kalman濾波器對運動目標(biāo)的位置進行預(yù)測更新，以克服目標(biāo)遮擋情況及噪聲的干擾。實驗表明，該算法能夠較好處理目標(biāo)遮擋情況，實現(xiàn)運動目標(biāo)的高精度跟蹤。
關(guān)鍵詞：邊緣方向直方圖；camshift；目標(biāo)跟蹤
中圖分類號：tp 27 文獻標(biāo)識碼：a
1引言
運動物體的目標(biāo)跟蹤是機器視覺研究領(lǐng)域的熱點之一，許多學(xué)者已提出多種目標(biāo)跟蹤算法及其相關(guān)的應(yīng)用。meanshift算法以其無參數(shù)，快速匹配的優(yōu)越性被廣泛應(yīng)用到目標(biāo)跟蹤領(lǐng)域。它最早由funkunage等人提出并應(yīng)用到模式識別中；cheng將它引入到計算機視覺領(lǐng)域，并將其應(yīng)用于目標(biāo)跟蹤。但是meanshift無法在跟蹤過程中對目標(biāo)模型進行更新，當(dāng)目標(biāo)尺寸變化嚴(yán)重時，導(dǎo)致跟蹤不精確，甚至?xí)䜩G失目標(biāo)。為了解決此類問題，bradskj[4]提出了camshift算法。這是一種將meanshift算法擴展到連續(xù)圖像序列而得到的運動跟蹤算法，它可以自動調(diào)節(jié)窗口大小以適應(yīng)目標(biāo)在圖像中的尺寸變化。它在一定程度上解決了由于運動目標(biāo)的形變造成的跟蹤不精確問題。文獻[5]中通過自通應(yīng)擴展搜索窗口解決了因目標(biāo)加速度而引起的目標(biāo)瞬間丟失問題。但是由于camshift算法是僅基于色彩信息建立目標(biāo)直方圖模型進行跟蹤，使得它易受顏色相近的干擾物影響，在目標(biāo)與背景顏色接近或目標(biāo)被遮擋時，算法的效果不太理想。
本文基于camshift算法提出了一種改進的camshift/kalman運動目標(biāo)跟蹤算法。該算法利用邊緣方向直方圖代替顏色直方圖，進一步引入目標(biāo)模型的空間信息，結(jié)合kalman濾波器對運動目標(biāo)的狀態(tài)進行預(yù)測更薪，并且對每幀中的模板采取自適應(yīng)更新策略。本文所提出的方法具有較強的抗干擾性，且具有較好的精確性和穩(wěn)定性。
2空間邊緣方向直方圖
1)邊緣檢測 圖像邊緣可以看成是由特定方向和幅值的像素點所構(gòu)成[6]。對灰度圖像g進行邊緣檢測，分別使用sobel算子的兩個模板：
與g進行卷積運算，得到水平和垂直方向的邊緣圖像g，則g中任一像素骱處的梯度幅值和方向分別表示為
式中，gij1∈g1，gij2∈g2分別對應(yīng)gij∈g，i，j分別為像素對應(yīng)的行數(shù)和列數(shù)；o≤d(gij)≤180度。
2)空間邊緣方向直方圖 為了統(tǒng)計數(shù)據(jù)以便計算直方圖，將d(gij)量化為n等分，n的值可根據(jù)需要選取，取值越大精度越高，計算量也越大。本文取n=8。為達到不受圖像縮放的影響，需要將邊緣方向直方圖歸一化。則邊緣方向直
式中，w，h分別為源圖像的寬、nk為滿足δ≠0且落在第k個角度區(qū)間內(nèi)的像素點個數(shù)。
以lena圖像為例，分別對iena圖像進行邊緣掃描和計算邊緣方向直方圖，所得結(jié)果，如圖1所示。
上述方法反映丁二維圖像的數(shù)據(jù)信息。將邊緣為解方向直方圖與空間信息結(jié)合，得到空間邊緣方向直方圖[78]，而與目標(biāo)邊緣結(jié)構(gòu)相關(guān)，且能夠明顯區(qū)分邊緣不精確問題，效果不太理想，甚至丟失目標(biāo)。解決以上問題，考慮邊緣方向直方圖不依賴目標(biāo)的色
用下式來定義兩幅空間邊緣方向直方圖的相似度：
| 
