路 红，李宏胜，费树岷，郭 婧，李文成

（1.南京工程学院 自动化学院，江苏 南京211167；2.东南大学 自动化学院，江苏 南京210096）

0 引 言

基于视频的运动目标跟踪是机器视觉的核心问题，其难点在于目标被遮挡、待匹配区域附近干扰过强、目标特征变化时易产生误匹配，致使跟踪持续性难以保证。Mean shift算法是一种基于核密度估计的非参数模式匹配算法，通过建立加权直方图来描述目标的颜色分布。该方法利用像素概率密度函数梯度最优化方法，通过迭代，收敛于概率密度函数的局部极大值，实现快速目标定位。当目标周围被遮挡时，由于周围像素权重小，不会对目标定位产生剧烈的影响［1］。但是Mean shift寻找局部最优的特点使得在多峰值非高斯分布的复杂环境下可能丢失全局最优点。为了解决这个问题，不少文献提出了寻找全局最优的方法。其中通过附加预测环节（如 Kalman预测）［2－5］和多特征融合［6－10］方法成为研究的重点。但是复杂场景中遮挡判断和处理、模板更新可靠性，以及逐帧匹配过程中的误差累积等问题仍然制约着跟踪鲁棒稳定性提高。为此相应的遮挡判断［3，9，11－12］，特征和 尺 度 更 新［9，13－15］方 法 相 继 提 出。 而 对误差累积［2，15］问题的针对性研究目前仍较少。文献 ［15］通过改进目标描述机制来抑制直方图特征描述存在的误差累积问题，但对遮挡跟踪没有涉及。

针对上述问题，本文提出一种复杂场景中遮挡目标自适应跟踪方法。利用自适应Kalman滤波器预测和校正目标跟踪轨迹，以解决Mean shift目标搜索易陷入局部最优点的问题。……