基于计算机视觉的运动目标跟踪算法

邓剑勋

摘 要截至目前，运动目标跟踪已经历经了几十年的发展研究，其作为当前社会一项至关重要的先进技术，对于人们的日常工作生活以及社会经济、军事政治等其他各领域均有着积极的帮助作用。特别是在计算机视觉技术逐渐发展成熟的今天，运动目标跟踪与计算机视觉技术的融合程度也越来越高。基于此，本文将选择当前比较常见的一种目标跟踪算法即Kalman filter算法，并以运动的人脸作为跟踪目标，着重围绕基于计算机视觉的运动目标跟踪算法进行简要分析研究。

【关键词】计算机视觉 运动目标 跟踪算法

在计算机等现代科学技术尚未出现以前，人们在获取外界信息时往往主要依赖视觉，而在我国计算机技术水平不断发展提升的背景之下，计算机视觉技术的出现使得人类肉眼视觉得到了进一步的发展延伸，尤其是在各种传感器技术的帮助之下，使得人们能够对保持运动状态的目标进行实时跟踪，从而准确掌握目标的具体形态属性。在此背景之下，本文将运动目标设定为运动的人脸，通过探究基于计算机视觉的运动目标跟踪算法，希望能够为相关研究人员提供相关参考和帮助。

1 Kalman filter目标跟踪算法的简要概述

Kalman filter目标跟踪算法是当前众多跟踪算法当中使用范围较广、使用频率比较集中的一种跟踪算法，这一算法最早可以追溯至上个世纪六十年代，人们通过将滤波理论与状态空间模型相集合，从而得到的一种递推估计的算法也就是卡尔曼滤波理论。其通过利用上一时刻获取的预估值以及当下获取的实际观测值，在信号与噪声状态空间模型当中不断更新状态变量，进而顺利完成估计预测并获得当前时刻估计预测值。经过不断的发展，在计算机图像处理以及其他运动目标跟踪当中经常会使用Kalman filter算法。如果在k时刻系统下的状态向量用xk表示，那么在t0时刻下初始化的状态预测方程为；在tk时刻下更新系统状态的具体方程为

，其中Hk、Zk分别表示测量矩阵m×n维以及转移矩阵n×n维的状态向量。但在跟踪计算机视觉运动目标譬如说视频目标时，由于相邻的两帧视频图像本身时间间隔非常短，因此目标在这一时间内难以发生明显的运动状态变化，此时我们可以通过将此间隔时间设定为单位时间，同时目标在单位时间内一直保持匀速运动状态，这时我们可以得到一个状态转移矩阵且

，定义系统观测矩阵即为

，定义噪声Wk以及Vk协方差矩阵则可以分别用

和表示。

如果在滤波器在经过若干次卡尔曼滤波后仍然能够恢复至原始状态，则其具有较好的稳定性，但如果在进行运动目标跟踪实验的过程当中，对于处于运动状态的被跟踪目标，一旦出现遮挡行为则将在第一时间内暂停估计参数，并将这一参数估计值直接代入到状态方程当中，使得运动目标无论是否被遮挡均可以对其进行精确跟踪。

2 基于计算机视觉的运动目标跟踪算法

2.1 建立颜色概率模型

颜色囊括了诸多的信息量光柱点，尤其是在人类的视觉世界从本质上来说也是一种用过感知自然界色彩以及明暗变化的世界，因此人们可以通过使用三基色原理获得RGB颜色空间。考虑到颜色与计算机视觉场景当中各个场景和目标之间有着紧密的关系，同时不同于目标的大小、形态等其他视觉特征，颜色特征鲜少会受到包括观察视角等在内各因素的干扰影响，从某种角度上来说基于颜色特征的运动目标具有较好的稳定性。为了能够保障目标跟踪既稳定又迅速，需要选择合适的颜色特征，否则将极有可能导致出现跟踪失败。在这一环节当中人们通常使用的是RGB颜色空间以及HSI颜色空间，但由于二者均具有一定的局限性，因此本文在对人脸特征尤其是颜色特征进行选取时，选择了rgI颜色直方图的方法，在解决两種颜色空间自身缺陷的同时，尽量避免目标人脸运动位置以及尺寸等变化因素对目标追踪造成的干扰影响。在rgI颜色直方图当中

，，，L=r+g+I其中R、G、B就是RGB颜色空间当中的三原色，r、g、I有着相同的取值范围即在0到1之间。保持间隔相等的情况下划分L值即可得到rgI颜色直方图。虽然rgI颜色直方图与物体相对应，但如果目标只是位置以及尺寸等出现变化，rgI颜色直方图并不会受到任何实质性影响，因此在理想情况下，利用rgI颜色直方图能够对视频图像中不同运动位置以及不同尺寸的人脸进行目标追踪。

2.2 跟踪算法

运动目标的不断变化将会使得模板图像随之发生相应变化，因此需要不断更新模板图像才能够有效完成对运动目标的连续跟踪，本文在对运动目标的实际运动范围进行预测过程中选择使用卡尔曼滤波，之后利用rgI颜色直方图在预测运动范围之内搜索和匹配相应目标，从而通过此举获得与目标模板有着最小欧式距离的区域，在此过程当中存在一个特定阈值T，如果两者的欧氏距离在进行相减时差值没有超过这个特定阈值，那么此时该区域就是运动目标所在的实际位置，利用在这一区域当中的rgI颜色直方图并将其充当下一帧运动目标的匹配模板，在不断重复的过程中模板能够实现不间断地更新。由于相邻的两帧视频图像之间，时间间隔并不长，因此目标人脸在极短的时间间隔当中基本上不会出现突然变化，此时我们可以认为运动目标人脸的运动连续性比较强，此时利用公式

可以进行欧式距离的计算并用以衡量匹配的模板。其中匹配区域和模板的rgI颜色直方图分别用l和l'表示，而rgI颜色直方图中的维数则用n进行表示。根据相关视频图像显示，通过不断更新模板确实可以对目标运动人脸进行实时跟踪显示。

3 结束语

总而言之，本文通过选择当前比较常见的目标跟踪算法即Kalman filter算法，利用卡尔曼滤波以及rgI颜色直方图完成对运动人脸的跟踪。事实证明，Kalman filter算法确实能够在对各目标之间的干扰进行明确区分的基础之上，准确描述运动人脸目标，从而较好地跟踪运动目标，但由于人脸之间本身存在一定的相似性，因此本文只是对理想状态下的运动人脸进行跟踪实验，日后还需要对计算机视觉技术和Kalman filter算法进行进一步优化以妥善解决多人脸目标以及相似性问题。

参考文献

[1]郑薇.基于双目视觉的运动目标跟踪算法研究及应用[D].哈尔滨：哈尔滨工程大学，2014.

[2]李慧霞，李临生，闫庆森，周景文.基于Mean Shift算法的目标跟踪综述[J].计算机与现代化，2017（01）：65-70.

[3]李寰宇，毕笃彦，杨源，查宇飞，覃兵，张立朝.基于计算机视觉的运动目标跟踪算法研究[J].电子与信息学报，2015（09）：2033-2039.

[4]陈曦，殷华博.基于计算机视觉运动目标跟踪技术分析[J].无线电工程，2014（06）：22-24+39.

作者单位

重庆电子工程职业学院软件学院 重庆市 401331