基于Mean shift和轨迹预测的目标跟踪算法

2012-05-04李道凯王晓静

计算机工程与设计 2012年6期

关键词：模型

李道凯，原达，王晓静

（1.山东师范大学信息科学与工程学院，山东济南250014；2.山东工商学院计算机科学与技术学院，山东烟台264005）

0 引言

Mean shift算法［1－4］由于运算速度快、简单易实现和鲁棒性等优点，在目标跟踪领域受到广泛关注。1975年，Fukunaga等人在一篇关于概率密度梯度函数估计的文中提出了 Mean shift概念。1995年，Yizong Cheng改进了基本的Mean shift算法，扩大了 Mean shift算法的适用范围。Comaniciu和Meer将Mean shift算法应用到目标跟踪领域并取得成功。Mean shift算法使用核直方图描述目标［5］，对目标的形变和旋转变化、部分遮挡等具有较强的鲁棒性。然而，当目标运动速度过快或场景、光照变换导致颜色突变或有严重遮挡［6］时，往往容易出现定位偏差较大甚至跟踪丢失现象。目前一般采用的解决方法使用卡尔曼滤波或粒子滤波等滤波算法对运动目标进行位置预测，然后结合 Mean shift搜索确定目标最终位置。文献［7－8］采用Mean shift和粒子滤波算法相融合的方法跟踪运动目标。文献［9－11］提出 Mean shift和Kalman滤波相结合的目标跟踪算法。文献［12］提出基于卡尔曼滤波及粒子滤波的目标跟踪算法。这些方法能够达到期望的跟踪效果，但由于需要进行比较复杂的滤波运算，使得计算效率受到影响。本文提出一种基于 Mean shift和轨迹预测［13－16］的目标跟踪算法。首先根据运动目标已知位置信息采用最小二乘法拟合出运动轨迹，得到运动目标的预测位置，然后Mean shift以此位置为中心搜索目标最终位置。实验表明，该算法能够准确地跟踪快速运动目标，对遮挡具有较强的鲁棒性。