张 彤，马延柯，首照宇

(桂林电子科技大学 a. 机电工程学院;b. 认知无线电与信息处理省部共建教育部重点实验室，广西 桂林541004)

在智能车流量统计系统［1］中，对于车辆的精确快速跟踪是交通参数提取、交通事件处理的一项关键技术。车辆的不规律运动影响了跟踪的效率，近年来，众多学者对此展开了深入的研究，并提出了一些较好的方法［2－4］，其中Mean－Shift 跟踪方法自提出以来就备受关注。Mean－Shift 跟踪算法的目标模型选取核函数空间加权的颜色直方图，采用Bhattacharrya系数作为相似性度量，通过Mean－Shift 迭代搜寻目标位置。其具有计算负荷小、调节参数少等优点，但是存在无法估计目标的尺度方向，对变速运动目标的跟踪效果差的问题［5］。于此，在此算法理论的基础上提出了一些改进。文献［6－8］通过特征点匹配方法，结合整体与局部模型各自优点，计算连续帧间相关特征点的仿射变换系数得到尺度与方向信息，但是特征点提取、描述与匹配可能影响实时性;文献［9］通过权重图法，利用像素点权重的协方差矩阵计算尺度和方向信息，计算量小，效果较好，但易受到光照等因素影响;文献［10－11］通过尺度法，使用图像金字塔或全局概率密度搜索提高目标定位能力，这里尺度分别指图像尺度和带宽尺度，但缺点是易受相似目标干扰;文献［12］通过预测法，结合Kalman 滤波或者粒子滤波算法，增加目标搜索能力，但对非线性、非高斯分布的状态变量的预测有一定局限，对目标运动模型有一定要求。……