自适应算法在视觉目标跟踪中的研究

陶伟伟 王占刚

摘 要：目标跟踪运用发展特别普遍，向来都是电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形图像处理，再用电脑处理成更适合人眼观察或传送给仪器检测的图像的探索方向。该论文适合应用Mean Shift跟踪为主线研究算法的交通体系，探索了依据带宽窗口自适应的均值漂移算法和依据卡尔曼滤波的目标跟踪算法.，重点针对复杂环境下的刚性活动目标与跟踪算法的检测。就繁杂的交通状况下目标的追踪问题，同视觉追踪办法相结合，结合如下层面的内容像：特点抉择的目标、目标追踪予以深层次的探究，争取于繁杂状况下促使目标追踪算法展示更佳的鲁棒性、及时性。

关键词：目标追踪；均值漂移追踪；卡尔曼滤波；智能视频监控

人类与外界联系的主要方式有：视觉、听觉及触觉，其中视觉能够接受大约 80%的外界信息，是人类感觉外界的最主要来源。但是，人类视觉受人的活动范围和视野的限制，因此，作为人类视觉的延伸—计算机视觉（Computer Vision，CV）油然而生。此后，随着计算机软硬件的飞速发展，计算机视觉技术越来越受到全世界来自计算机、数学、生物学等众多领域学者的广泛关注与研究。

1 跟踪算法基础

视觉追踪是多种视频处置的基础，近些年来已成为探究机构和探究者们重点关注的探究層面，成为计算机视觉层面基础核心科技之一。

1.1 贝叶斯估计

贝叶斯估算（Bayesian parameter estimation，BPE），其为一类依仗于观察讯息集先验知识的状态估算办法。

状态空间模型是动态体系能够叙说成：

Xk=F（xk-1）+uk-1

Yk=H（xk）+vk

上式中，Xk是k时刻的体系状态，Yk是k时刻的观察值，uk和vk分别为体系的状态噪声和观察噪声。

用Xk=x0∶k={x0，x1，…，xk}与Yk=y1∶k={y1，…，yk}分别表示0到k时刻所有的状态体系与观察值。

1.2 卡尔曼滤波

线性、高斯的动态体系，依照公式，我们能够用一个线性随机微分方程（线性随机差分方程）来描述动态体系：

h（x，θ）=p（x|θ）π（θ）

Xk=AkXk-1+Uk

该体系的丈量值：

Yk=BkXk+Vk

在公式中，Xk表示k时刻的体系状态，Yk表示k时刻的丈量值。由状态转移方程F（·）得到Ak是体系状态的传递矩阵，由状态观察方程H（·）得到Bk为体系的观察矩阵。Vk表示观察噪声，Uk表示体系噪声，这都是Gauss white噪声（白噪声）。Uk的平均值是0，协方差是Var（Uk）=Qk，Vk的均值为0，协方差为Var（Vk）=Rk。

1.3 均值漂移跟踪算法

均值漂移追踪算法借助于目标模板的色彩直方图和候选范围的相似度视作代价函数，经由梯度下降迭代办法找到最大值。

1.3.1目标模型

设置{xi}i=1，…，n为目标模型的中心坐标集合的像素坐标。定义核函数k（x），目标模型直方图的核函数u={u}u=1，2，…，m定义为：

1.3.2候选模型

候选范围为运动目标于每帧里原始帧中就目标予以转移，其囊括目标的范围的可能性颇大，用y就候选范围的中心坐标予以表示，候选范围中的像素坐标用集合{xi}来表示，候选模型的核函数直方图展现为：

2 自适应窗宽均值漂移跟踪算法

2.1 带宽窗口自适应问题

在传统的均值漂移算法的基础上，将目标区域的轮廓的尺寸作为带宽窗口的尺寸，并根据目标轮廓的变化实时的更新带宽窗口的尺寸。

2.2 自适应窗宽的均值漂移跟踪算法实验

实验采集交通路口的视频数据为标准测试视频。

图1（a）-（f）分别为目标尺码显现变化较大时常规均值漂移算法所追踪的效果，（a）-（f）显示的是目标车辆自远至近，（d）-（f）為目标车辆自近至远离去。于追踪窗口的定量固定的境况下，目标尺码将增大，促使所追踪的窗口只能追踪至目标的局部，再用一部分和整体与目标去相配对，如此极易致使追踪无效。

图2（d）-（f）为利用适应窗宽的均值漂移算法来获取追踪算法的成效。由于其借助于自适应窗宽的均值漂移算法，追踪窗口能够自主地予以整改，其所依仗的是目标尺度的调节。

3 改进的均值漂移算法与卡尔曼滤波相结合的算法

卡尔曼滤波算法与改进均值漂移相结合的算法步骤如下：

第1步：于视频的启动帧中，手动抉择需追踪的目标（鼠标选择区间的宽和高分开设作a，b）；

第2步：读取影像的下一帧，借助于高斯混合法将目前帧及上一帧的影像范围内取得前景、去噪及滤波处置；

第3步：卡尔曼滤波器能够预判当下帧目标中的原始范围yk

0，并计算目前帧的中心区域yk

0当作范围的目标直方图q；

第4步：经由健全GMM办法验证目前帧中yk

0点周边范围的外围区域，并计算范围的高及宽度，即a，b。

第5步：倘若目前帧并非影像最后一帧，则步入步骤2持续运行；不然，退出程序。

利用卡尔曼滤波器对体系的目标范围的方程予以预判，在一定程度上能够改善提高遮蔽目标带来的追踪丢失现象。

4 跟踪算法实验

实验借助于文献所供给的影像序列验证。

由图3（a）-（f）可见，于常规的均值漂移算法里，当色彩差别很大的运动目标遮蔽住追踪目标（如第79帧），短暂的偏离出现在追踪窗口。可在第95帧中，因为无背景干扰，目标的实际范围又被追踪窗口漂移到。在第116帧中，当色彩相似的其他运动目标遮蔽住追踪目标，追踪窗口在第135和155帧时出现了目标追踪错误，使得追踪无效。

图4中（a）-（f）借助于整改的均值漂移算法与卡尔曼滤波相结合算法的追踪结果，能够追踪目标相近色彩和色差很大的遮蔽运动目标，并且具有良好的及时性能。

5 结语

目标追踪是计算机视觉层面中的广泛应用，并已经是当下计算机视觉层面的又一新宠。此文借助于交通体系里的均值漂移目标追踪算法视作探究目标，谈久了相关的符合窗宽的均值漂移算法，以及卡尔曼滤波器的目标追踪算法，且于刚性繁杂境况下就验证及追踪办法的行为标的予以探究。

此文的探究操作，侧重于就目标追踪的繁杂交通境况所出现的积累核心状况，借助于视觉追踪科技，立足于目的特点甄别等多方面予以深层次探究，以求于繁杂境况下完成就目标追踪算法的鲁棒性及时效性的达成。

作者简介：陶伟伟，高校讲师；王占刚，副教授。