赵 欣，陈 峰，吴立知

（贵州大学 计算机科学与信息学院，贵州 贵阳 550025）

0 引言

运动目标跟踪是指在已知的视频序列中检测目标的位置，形状以及运动轨迹等时空变化特征。在众多的目标跟踪算法中，meanshift算法由于其简单和鲁棒性，近几年受到了广泛的关注，Cheng[1]在1995年首次将其引入图像处理领域。Comaniciu等人[2]提出的meanshift跟踪框架,计算复杂度低,对目标的外表变化、噪声、遮挡、尺度变化等具有一定的自适应能力,成为目标跟踪算法研究的热点。但是在meanshift算法的应用过程中，通常是建立目标模型和候选模型的颜色直方图，然后通过比较两模型的相似度来实现目标跟踪，很显然，当目标颜色和背景颜色相似度较高时跟踪算法的性能就会下降。同时meanshift算法本身缺少对目标位置的预测机制，所以在目标遭受较大比例遮挡时meanshift方法就会失效。

为了解决上述问题，文中利用harris角点检测提取表示目标特征的角点，抑制背景特征对目标的干扰，然后利用卡尔曼滤波器一方面预测目标在下一帧中的位置；另一方面，通过分析卡尔曼滤波器关于目标位置的估计值和由meanshift算法得到的卡尔曼滤波器的观测值之间残差的大小来判断是否出现了大比例的遮挡，从而有效地解决遮挡问题。

1 meanshift算法及其缺陷

meanshift跟踪方法采用颜色直方图对所选择的目标区域进行建模。通过计算特征空间中每个特征值的概率来建立目标模型，目标模型的特征值u=1,2,…,m的概率密度由式（1）给出：，ˆ是目标模型，是第u个特征的概