基于CamShift算法的运动目标跟踪研究

2015-06-16黄海涛余必成董慧文颜俊

科技创新导报 2015年36期

黄海涛余必成董慧文颜俊

摘要：运动目标跟踪是计算机视觉的一个重要研究内容，通过对多幅连续图像的处理，达到对图像中特定目标检测和跟踪的目的。以对目标跟踪问题的分析为基础，研究了基于CamShift （Continuously Adaptive MeanShift）算法的运动目标跟踪实现策略，基于目标的颜色特征进行跟踪，以均值移动策略作为目标的搜索算法，有效减少了特征搜索时间，实现了运动目标的快速定位。详细讨论了算法的设计和实现过程，并以实现的运动目标跟踪算法为基础开展了实例实验，验证了所研究算法的有效性。

关键词：目标跟踪 CamShift算法视觉跟踪均值移动算法计算机视觉

中图分类号：TP391.41 文献标识码：A 文章编号：1674-098X（2015）12（c）-0158-02

Research of Moving Target Tracking Based on CamShift Algorithm

Huang Haitao Yu Bicheng Dong Huiwen Yan Jun

（Computer Engineering College of Nanjing Institute of Technology，Nanjing Jiangsu，211167，China）

Abstract：Moving target tracking is one of the most important research focus in computer vision. By processing several continuous images，moving target can be detected and tracked. Based on the analysis of moving target tracking problem，the implementation strategy is presented in this paper.The CamShift algorithm is evolved from MeanShift algorithm，taking color characteristics of objects as key factors to reduce times of tracking target object.Based on the research of theoretical model for target tracking， the design and implementation of the strategy is proposed in this paper.The numerical experiments are discussed to ensure the validation of this implementation.

Key Words：Target tracking；CamShift algorithm；Tvision tracking；MeanShift；Computer vision

运动目标跟踪是计算机视觉的重要研究内容之一，通过对实时采集的、包含目标对象的多幅连续图像进行数字化处理，达到对图像中目标物体进行检测、识别、理解和跟踪的目的。当前，对于运动目标跟踪的研究主要集中在基于特征的跟踪、基于模板的跟踪和基于模型的跟踪、基于区域的跟踪四个方面。其中基于特征的跟踪方法以图像区域内具有不变性质的特征为研究对象，通过目标物体的特征建模识别要跟踪的对象，由于其对遮挡等复杂环境因素不敏感，近年来成为国内外学者研究的热点。

该文以基于CamShift算法的运动目标跟踪为研究内容，首先分析目标跟踪的研究现状，然后详细讨论基于CamShift算法的目标跟踪设计与实现的过程，并以OpenCV视觉库为工具，实现了运动目标的跟踪策略，进行了实例实验研究，验证了算法的有效性，并进行了总结。

1 CamShift算法及目标跟踪实现

CamShift（连续自适应均值移动算法）是在均值移动算法的基础上提出的，该算法以目标图像的颜色直方图作为关键特征的判定与描述形式，以均值移动算法为搜索策略，充分利用梯度上升的方向和上升的趋势来减少目标特征搜索匹配的时间，提高运动目标的定位效率，连续自适应均值移动算法可以有效解决因目标变形、复杂场景遮挡等因素带来的跟踪困难，具有较高的目标搜索效率。以下将重点讨论实现过程中主要考虑的颜色分布概率的计算策略、运动目标物体的定位策略和目标方向和参数计算策略。

1.1 颜色分布概率计算研究

运动目标检测跟踪的前提是目标的特征建模。该文将以物体的颜色特征为研究对象，对目标颜色进行建模，以此目标与非目标物体的运动特征识别标志。实现的过程中首先将包含目标的图像由RGB空间转化到HSV空间进行后续处理，由于RGB颜色空间对光线变化比较敏感，而HSV空间中的三个分量之间是相互独立的，转换后可以有效提高算法的稳定性。同时，由于HSV颜色空间中的H分量包含了最完整的色度信息，实现时为了提高特征建模速度，选择H分量建立颜色直方图作为目标跟踪特征的建模信息源，生成H分量的颜色直方图。

以序列图像的直方图为基础，可以计算出图像各个色度值的分布概率，便利整幅图像，用图像中每个像素点所对应的概率值代替该点的像素值，就能够得到该图像的概率投影图。计算过程描述如下：

（1）当前图像由RGB格式转换为HSV格式，并提取H分量作为特征建模信息源；

（2）计算HSV空间中H分量的直方图，计算直方图如式（1）：

（1）

上式中，n表示像素点个数，每个像素点位置为，表示直方图，为像素点的直方图索引。

（3）通过式（2）将直方图的尺度从[0，max（q）]变换为灰度级：

（2）

通过以上几个步骤，目标物体的像素点采样直方图的阈值转换为了灰度级值，原图像转换为了信息精简的灰度图像，由于使用了信息完整的H分量进行转换，转换后的图像反映了各颜色的分布信息。

2.2 运动目标定位研究

对于每帧图像，转换为概率分布图像之后，均值漂移算法就对该图像中的待搜索区域进行运算，运算的目的是找出该区域的质心，即概率分布的梯度，然后对目标图像序列的所有帧同样的运算，并将上一帧的结果作为新的搜索窗口的初始值，反复迭代实现对目标的跟踪。具体步骤描述如下：

（l）初始化搜索窗的大小和位置。

（2）计算搜索窗内的颜色概率分布。