运动目标相关跟踪算法的研究

沈晓芳，赵选科，李爱君

（第二炮兵工程大学物理教研室，陕西西安　710025）



运动目标相关跟踪算法的研究

沈晓芳，赵选科，李爱君

（第二炮兵工程大学物理教研室，陕西西安710025）

摘要：针对在红外目标跟踪过程中出现的目标被遮挡和被类似目标干扰而不能准确跟踪的情况，对运算量较小、不易受个别噪声影响的MCD算法进行了改进。在跟踪目标过程中采用合适的目标更新策略和预测性能较好的综合预测。仿真结果表明，该改进算法既减少了运算量，又有较好的稳定性和抗干扰性。

关键词：综合预测；目标跟踪；MCD；抗干扰性

0　引言

相关跟踪算法[1]是将包含目标的模板图像在待匹配图像上以不同的偏移值位移，根据相关函数逐像素计算模板图像和待匹配图像间的相似程度，相关函数取得最大值的位置就是目标位置。由于此跟踪方法不需要对图像进行分割，也不需要提取目标的特征，只需在原始图像数据上进行运算即可，保留了图像的全部信息，所以在许多复杂环境场景中是一种切实可行的目标跟踪方法。因此，相关跟踪算法在跟踪系统中得到了广泛的应用。常见的相关跟踪算法有平均绝对差分法（MAD）、序贯相似性检测算法[1]（SSDA）、最大近邻距离[2⁃3]（Maximum Close Distance，MCD）相关匹配算法等。MCD算法因运算量较小，不受个别噪声点的影响成为应用广泛的方法。

在对目标的跟踪过程中，如果对每一帧图像的每个位置都要计算模板图像和它的匹配值来确定目标的位置，计算量太大，不能满足跟踪系统对实时性的要求。一种简化匹配过程的常用方法是根据目标前面的运动信息去预测当前位置，这样可缩小搜索范围，减少目标跟踪中的计算量，提高跟踪的稳定性和抗干扰性。

1　MCD算法

MCD相关算法是结合平均Hausdorff距离算法和最小绝对差分法两种算法的思想定义的一种图像间的相似性度量函数。

设模板图像A的大小为M×N，那么它和任一同样大小的图像B的近邻距离为：

其中：

该算法原理为：首先比较待匹配的两幅图像对应点的灰度绝对差，如果这个绝对差小于某个确定的阈值（这个阈值由实验观察得到，经验表明，该值取10～20之间比较合适），就可以认为这两点近似；然后统计整幅图像区域中对应点像素绝对差小于这个阈值的数目，就可以确定这两幅图像的相似程度，把这个数目定义为MCD距离。MCD距离越大说明两幅图像越相似。

将该算法应用到图像匹配上时，让模板图像在包含目标的每帧图像内移动，计算每个位置的MCD距离，统计得到整幅图像的一个相关曲面，这个曲面的峰值就是最佳匹配位置。

可见，MCD相关算法用于图像匹配时，目标图像中只有那些与模板图像相近的像素点才被用于匹配度量，而那些与模板图像像素相差很大的点被抛弃。因此，该算法避免了传统相关匹配算法中由于噪声点引起的相关曲面不突出的缺点。

在对目标跟踪过程中，目标模板维系了整个跟踪的动态过程。在跟踪过程中由于目标的运动，视场内目标的大小、形状会发生变化，因此，在跟踪过程中模板图像要做到自动地调节变化。同时由于目标的运动，背景也会不断变化，实际图像会伴随出现变形、旋转、噪声、遮挡等变化。因此在对目标跟踪过程中需要对目标模板进行合理更新，以提高跟踪的稳定性。选择合适的模板更新策略，可以在一定程度上克服这些变化对跟踪效果的影响。

2　运动预测原理

运动预测是利用目标在运动过程中具有轨迹连续性的特点，首先根据目标过去的跟踪点位置信息预测当前位置，然后在预测跟踪点周围一定范围内进行细致的匹配搜索。可见，运动预测缩小了匹配范围，减少了计算量，在一定程度上还能减少噪声对跟踪的影响，保证了匹配的稳定性和抗干扰性。

常用的预测方法有：线性预测、平方预测、综合预测、卡尔曼（Kalman）滤波[4]、粒子滤波等。综合预测是线性预测与平方预测的加权组合，同时具有二者的优点，综合预测器的表达式为：

权函数w(k)的构造方法可根据实时测得的线性预测器和平方预测器的误差来构造。综合预测器的预测值为：

三点线性预测器能够较好地预测目标的快速机动情况，五点二次平方预测器具有一定的平滑作用[5]，将二者加权组合得到综合预测器的表达式。用综合预测器取得目标的预测位置后，再根据匹配信息在预测点的周围一定范围内进行匹配，以此确定当前帧的实测位置，这比在待搜索图像中遍历搜索然后再确定目标匹配点位置大大减少了计算量和匹配时间。

3　综合预测在MCD算法中的应用

MCD算法的优点在于计算量小，并且不受个别噪声点的影响；自适应模板的修正策略可以在一定程度上克服实际图像的变形、噪声、遮挡等变化。研究过程中发现，正常情况下此方法可以实现稳定的跟踪，但当目标的状态变化较大时，跟踪效果不理想。所以想到在更新之前采用运动预测目标可能出现的位置对模板更新进行约束。通过对几种预测器的详细分析可知：综合预测器的运算量不大，用于跟踪不会影响跟踪系统对实时性的要求，用它预测目标的位置，预测值较接近于真实值。本文对MCD算法做了改进，提出了加入更新和预测的相关跟踪算法——基于MCD距离的自适应模板修正策略和基于综合预测器的相关跟踪算法，并且分别让线性预测和平方预测与MCD算法结合，对同一序列图像进行跟踪，通过仿真实验对这三种预测器的性能进行了验证、比较。

4　仿真实验结果

仿真实验对一组红外序列图像进行跟踪。基于线性预测、平方预测的算法跟踪如图1所示，基于综合预测的MCD算法跟踪如图2所示。

图1　基于线性预测、平方预测的算法跟踪

图2　基于综合预测的MCD算法跟踪

对比图1，图2可以看出：在抗干扰能力方面，线性预测跟踪遇到类似目标时跟踪受干扰，模板发生了漂移，如第55帧图；综合预测跟踪不受类似目标的干扰，抗干扰能力明显强于线性预测跟踪。在抗遮挡能力方面，线性预测跟踪在目标被部分遮挡时，模板就一直漂移，直到目标完全出现才能稳定跟踪；平方预测跟踪在目标被遮挡一小部分时跟踪稳定，在第59帧目标被进一步遮挡时，模板发生了漂移，直至目标大部分出现时

才正确跟踪；综合预测跟踪由图2（b）和图2（c）可看出目标部分被遮挡或全部被短暂遮挡时跟踪仍能稳定进行。由此可见，线性预测跟踪的抗遮挡能力最差，平方预测跟踪稍好一点，综合预测跟踪的抗遮挡能力最强。

5　结语

MCD跟踪算法运算量较小并且不受个别噪声点的影响，因此成为运动目标跟踪中的常用方法。如果在匹配过程中根据目标前面的运动信息去预测当前位置，这样可缩小搜索范围，减少目标跟踪中的计算量，提高跟踪的稳定性和抗干扰性。本文采用综合预测器与MCD相结合的方法对红外序列图像进行仿真跟踪。仿真结果表明：在目标运动轨迹变化不是太大的情况下，即使目标部分被遮挡或全部被短暂遮挡，该算法仍能准确预测出目标下一时刻的位置，表明该算法的稳定性。类似目标的干扰对跟踪没产生影响，表明该算法还具有一定的抗干扰性。

参考文献

[1]张万清.飞航导弹电视导引头[M].北京：宇航出版社，1994.

[2] ZHANG Guilin，REN Xianyi，ZHANG Tianxu. Correlation tracking using a novel distance measurement as feedback [J]. Infrared and Laser Engineering，2003，32（6）：47⁃53.

[3]罗诗途，张玘，罗飞路，等.基于自适应模板修正的相关跟踪方法[J].仪器仪表学报，2004，25（4）：633⁃635.

[4]张贤达.现代信号处理[M].2版.北京：清华大学出版社，2002.

[5]安建虎.相关跟踪与特征匹配技术研究[D].沈阳：中国科学院沈阳自动化研究所，2002.

[6]纪博，孙武，姚元福.基于CKF的高动态载波跟踪算法研究[J].现代电子技术，2015，38（3）：51⁃53.

Research on correlation tracking algorithm of moving target

SHEN Xiaofang，ZHAO Xuanke，LI Aijun
（Teaching and Research Section of Physics，The Second Artillery Engineering University，Xi’an 710025，China）

Abstract：Aiming at the case that the target can not be tracked accurately，which occurs in the process of infrared target when the target is shielded or disturbed by similar object，the MCD algorithm which has small calculating amount and is not sus⁃ceptible to individual noise is improved. In the process of target tracking，the suitable target update strategy and comprehensive prediction with preferable prediction performance are adopted. The simulation results show that the improved algorithm can re⁃duce the calculating amount，and has great stability and anti⁃jamming performance.

Keywords：comprehensive prediction；target tracking；MCD；anti⁃jamming performance

作者简介：沈晓芳（1977—），女，山东莱芜人，硕士，讲师。研究方向为目标跟踪、图像处理。

收稿日期：2015⁃08⁃25

doi：10.16652/j.issn.1004⁃373x.2016.01.015

中图分类号：TN911.7⁃34

文献标识码：A

文章编号：1004⁃373X（2016）01⁃0057⁃02