一種改進的camshift/kalman運動目標跟蹤算法
劉士榮，姜曉艷
（杭州電子科技大學自動化研究所，浙江杭州310018）
摘 要：針對目標跟蹤中的目標遮擋、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，同時自適應修正每幀中的匹配模板，再使用kalman濾波器對運動目標的位置進行預測更新，以克服目標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遮擋情況，實現運動目標的高精度跟蹤。
關鍵詞：邊緣方向直方圖；camshift；目標跟蹤
中圖分類號：tp 27 文獻標識碼：a
1引言
運動物體的目標跟蹤是機器視覺研究領域的熱點之一，許多學者已提出多種目標跟蹤算法及其相關的應用。meanshift算法以其無參數，快速匹配的優越性被廣泛應用到目標跟蹤領域。它最早由funkunage等人提出并應用到模式識別中；cheng將它引入到計算機視覺領域，并將其應用于目標跟蹤。但是meanshift無法在跟蹤過程中對目標模型進行更新，當目標尺寸變化嚴重時，導致跟蹤不精確，甚至會丟失目標。為了解決此類問題，bradskj[4]提出了camshift算法。這是一種將meanshift算法擴展到連續圖像序列而得到的運動跟蹤算法，它可以自動調節窗口大小以適應目標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的形變造成的跟蹤不精確問題。文獻[5]中通過自通應擴展搜索窗口解決了因目標加速度而引起的目標瞬間丟失問題。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，在目標與背景顏色接近或目標被遮擋時，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，進一步引入目標模型的空間信息，結合kalman濾波器對運動目標的狀態進行預測更薪，并且對每幀中的模板采取自適應更新策略。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gij∈g，i，j分別為像素對應的行數和列數；o≤d(gij)≤180度。
2)空間邊緣方向直方圖 為了統計數據以便計算直方圖，將d(gij)量化為n等分，n的值可根據需要選取，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個角度區間內的像素點個數。
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，所得結果，如圖1所示。
上述方法反映丁二維圖像的數據信息。將邊緣為解方向直方圖與空間信息結合，得到空間邊緣方向直方圖[78]，而與目標邊緣結構相關，且能夠明顯區分邊緣不精確問題，效果不太理想，甚至丟失目標。解決以上問題，考慮邊緣方向直方圖不依賴目標的色
用下式來定義兩幅空間邊緣方向直方圖的相似度：
| 
