曲巨宝

(武夷学院 数学与计算机系，福建 武夷山 354300)

基于改进Camshift算法的多目标自适应跟踪

曲巨宝

(武夷学院 数学与计算机系，福建 武夷山 354300)

针对多目标跟踪中常因目标间遮挡、融合、分离等导致跟踪失败，提出了用动态背景建模技术和RGB三通道色差法获取目标群组，然后利用Kalman滤波器预测运动目标初始参量，再用改进的Camshift算法逐步迭代逼近各个目标精确位置，实现了对多目标的自适应跟踪。经大量实验证明，本算法目标识别能力强，抗噪声性能好，跟踪速度快。

Camshift；多目标跟踪；自适应；kalman

运动目标的检测、跟踪是计算机视觉研究的重要内容，被广泛用于智能视觉监控、视频检索等领域。由于运动视频受光线、目标动态变化影响使目标检测和跟踪变得非常困难，尤其对多个运动目标进行同时跟踪，目标间发生遮挡、融合、分离导致跟踪变得异常艰难。文献 [1]提出了基于MeanShift的多目标粒子滤波跟踪算法设计，但MeanShift算法不但对抗遮挡能力比较差，而且不具有搜索窗自适应功能；文献[2] 提出用水平集法对多运动目标进行分割；文献[3] 提出用多个摄像机构建系统来处理多个运动目标相互遮挡的问题，但这种系统造价较高且算法复杂，实时性差；本文在研究了多运动目标的颜色特征、运动规律后，使用背景差分法建立动态背景模型，将当前帧同背景帧做差分获得运动目标，通过Kalman滤波方法对各目标在下一帧的初始位置进行预测后，再调用Camshift逐次逼近各个目标的精确位置，经实际应用取得了较好的效果。

1 动态背景模型

利用背景差分法建立动态背景模型，以帧间差分法为基础，通过当前帧帧差分的二值图像找到运动区域，对运动区域内的背景保持不变，而非运动区域的背景则用当前帧进行更新，经过一定次数的迭代便可提取出背景。其步骤如下:

(1)将序列图像的第一帧图像I0作为初始背景图像。

(2)计算当前帧k的帧间差分二值图像BWk：

其中,Ik, Ik-1分别为当前帧和上一帧图像，kτ是判断第k帧是否有变化的阀值(实验中取25)

(3)利用二值图像BWk更新背景Bk：

其中α为更新系数，取0.2

(4)k=k+1返回到步骤(3)，进行迭代，经过一定次数的迭代后停止迭代，并将此时的Bk作为背景图像B0

2 运动目标获取

将当前帧Ik与背景帧Bk做差分，就得到目标图像Pk，利用反向回溯法获取二值图像对应原图像中彩色RGB目标的坐标点位。用I.Rk、I.Gk、I.Bk, B.Rk、B.Gk、 B.Bk分别表示目标图像Ik和背景模型Bk的R，G和B三个通道的值。

其中 δR=|I .Rk-B.Rk|、δG=|I.Gk-B.Gk|、δB=|I.Bk-B.Bk|分别代表当前帧与背景帧间R、G、B三通道色差，τR,τG,τB为R、G、B阀值(实验中取τR= τG=τB=20)。

经过二值化的目标图像会有许多孤立点、孔洞和间隙，应进行数学形态学中的膨胀、腐蚀等滤波技术将噪声去除，再用4 -δ连通区域分割法[4]，对分散的区域进行连通或分割，并用外接矩形和数字编号表明该目标块的顺序、位置、高度和宽度信息；而对于面积小于某个阀值(实验中设Ta=30)的孤立区域要删掉。最后前景区域中余下了的就是最终获得的运动目标群{pk(i)}i=1…n.其中n为目标个数。图2是对运动车辆视频进行背景建模和目标提取截图。图2(b)是将原图2(a)与背景帧做差后经数学形态学等处理后得到的3个车辆目标。

图2 多目标视频跟踪实验结果

3 基于Kalman滤波的运动目标预测

运动目标群是一个不断变化的群体，如何确定不同的目标在下一帧中的位置，在分析了许多学者不同的研究后，本文提出了先利用卡尔曼滤波器进行多目标位置预测，然后再用改进的CamShift算法进一步逼近目标精确位置，从而实现多目标的快速定位和跟踪。Kalman滤波器是一个对动态系统的状态序列进行线性最小方差误差估计的算法，它通过状态方程和观测方程来表示系统。根据扩展Kalman滤波器[5]预测目标i在下一帧可能出现的区域为：

式中： pk(i)是第i个目标的质心位置， pˆk+1(i)是目标i质心在下一帧中的预测位置， Δpk+1(i)是预测目标可能存在的区域， vk(i)=[pk(i)-pk-1(i)]/Δt是目标质心的速度， ak(i)=[vk(i)-vk-1(i)]/Δt是目标质心的加速度，△t为两帧时间间隔。

4 自适应改进的camshift算法

为充分利用目标的颜色信息实现目标精确定位，还需要利用CamShift算法做进一步跟踪。首先将RGB颜色空间转化成HSV颜色空间，以适应CamShift算法，然后利用每个目标i建立色度直方图，通过直方图归一化将直方图与每一色度级别对应的取值范围归一化到[0,255]区间中，得到每个目标的序列灰度值，在灰度投影图中越亮的像素表明该像素为目标像素的可能性越大[6]。

用Kalman滤波后得到的预测目标位置 pˆk+1(i)为起点，以 s0(i)=Δpk+1(i)/255为搜索窗的初始大小，从i=0，开始进行自适应CamShift跟踪：

(1)设I(x,y)i为目标i在当前帧搜索窗口中的像素位置， I(x,y)i是投影图中(x,y)i处的像素值。式中,I(x,y)是坐标为(x,y)的像素值,x和y的变化范围为搜索窗的范围。则目标i搜索窗口的零阶矩M00、M10分别如下：

于是目标i的搜索窗口内的质心位置为：

(3)重复(1)和(2)过程,将搜索窗口的中心逐渐移向质心位置。如果移动距离大于预设的固定阈值,则重新计算调整后的窗口质心,进行新一轮的窗口位置和尺寸调整。直到窗口中心与质心间的移动距离小于预设的固定阈值,或者循环运算的次数达到某一最大值,认为收敛条件满足，此时的（ xc,yc）i就是该目标i的质心坐标。

(4) i=i+1；返回(1)，继续搜索本帧中其他目标的质心，直到将本帧中所有目标都搜索完成后，再进行新帧图像搜索工作。

5 多目标搜索策略及模板更新

由于背景图像的复杂性，目标在图像中可能随时都会发生进入、退出、遮挡、融合、分离等情况。为此本文采取的搜索策略如下：将第k帧的每个目标同第k+1帧中的每个目标经kalman滤波后再进行Camshift跟踪匹配，如果刚好匹配成功，说明目标没有发生变异；如果第k帧或k+1帧中还有剩余目标时，表明目标发生变异，这时对剩余目标采取排列组合方式进行再次相似性比对跟踪；如果经过多次比对计算后，第k帧依然有多余目标，则表明有目标离开或被完全遮挡，此时保留第k帧中这些目标的信息，留待再次出现时使用；如果第k+1帧有多余目标时，表示有新目标进入，这时就增加新编号给新目标；并对现有模板进行更新。

6 实验结果及分析

为了验证本文所提出的检测跟踪算法，利用Windows2003环境，以Visual C++6.0和OpenCV为平台开发了实验程序，机器的配置为P4/3.0GHz/512M，视频帧率为25 f/s。图2是利用本文算法对公园中多目标视频进行跟踪的部分截图。在图2(1)中有两组目标群出现，到2(4)图后融合成一个目标群，在2(5)图又分离成3个目标群，尽管如此，本算法依然可以很好的跟踪到目标，并且自动分组编号。

图2 多目标视频跟踪实验结果

7 结束语

针对多目标跟踪中目标容易因遮挡、融合、分离等原因而导致跟踪失败，本文提出利用动态背景建模技术结合Kalman滤波器对目标先预测，然后再使用CamShift算法进行精确定位的算法。并通过多目标搜索策略及模板更新实现了目标的动态跟踪。大量的实验结果表明，本算法运算速度快，跟踪能力强，鲁棒性好。

[1]杨伟,柴奇,杨华,黄超超.基于mean-shift的多目标粒子滤波跟踪算法设计[J].红外技术,2009,31(5):275-278.

[2]Mansouri A R, Konrad J. Multiple motion segmentation with level sets[J]. IEEE Transactions on Image Processing, 2003,12(2):201-220.

[3]S L Dockstader, A M Tekalp. Multiple Camera Fusion for Multi-object Tracking[C]. Proc of IEEE Workshop on Multi-Object Tracking, 2001:95-102.

[4]陈柏生.一种二值图像连通区域标记的新方法[J].计算机工程与应用,2006,25(2):46-47.

[5]Comaniciu D, Ramesh V, Meer P. Real-time tracking of non-rigid objects using Mean Shift [A ]. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition[C], Hilton Head Island, South Carolina, USA, 2000:142-149.

[6]Comaniciu. Kernel-based object tracking[J]. IEEE Transactions onPattern Analysis and Machine Intelligence, 2003,25(2):564-577.

（责任编校：何俊华）

TP393

A

1673-2219（2010）12-0070-03

2010－09－20

福建省教育厅科技项目（JA09240）、武夷学院智能计算网格科研团队（2009）

曲巨宝(1963－)，男，吉林乾安人，副教授，硕士，研究方向为计算机视觉、图形图像、人工智能。