刘振涛，王朝英，刘卫群

（1.空军工程大学 电讯工程学院，陕西 西安710077；2.63751部队 技术室，陕西 西安710028）

0 引 言

序列图像中运动目标跟踪技术是计算机视觉领域的一个重要课题，在现实生活中具有广泛的应用前景［1］。Mean Shift这个概念最早是由Fukunaga等人在一篇关于概率密度梯度函数的估计中提出来的［2］；Mean Shift算法自从被Comaniciu等人引入到目标跟踪领域以来，就因其良好的实时性和鲁棒性受到广大学者的关注［3－6］。

如何有效地处理遮挡问题，一直是运动目标跟踪中的一个难点。当目标被遮挡时，会产生不规则的变形，其外观与目标模型将不再匹配。传统Mean Shift算法将核函数引入目标模型中，通过对目标中心区域赋予较大权值，减少边缘区域信息的丢失所造成的影响，但当目标遇到大比例遮挡时，上述方法失效；文献 ［7］将Kalman滤波器用于预测Mean Shift的初始迭代位置，但是当目标被严重遮挡时，由于Mean Shift算法寻找到的目标位置点不准确，因而此时得到的观测值也是不准确的，只能利用前几帧收敛点的位置线性预测下一帧的可能起始点，此方法虽然解决了部分遮挡问题，但仍存在一定偏差。

针对上述问题，本文提出一种抗遮挡的双特征多模块跟踪方法。融合由特征显著性和相似性量化分析所得的颜色空间特征以及LBP纹理特征建立目标直方图，当目标出现严重遮挡时，通过建立多模块模型，选择相似度最高的模块来定位目标的位置。该方法充分利用了目标的局部外观信息，使得滤波器得到更加有效的观测值，提高算法对遮挡问题的鲁棒性。……