叶家林，宋建新

(南京邮电大学 江苏省图像处理与图像通信重点实验室，江苏 南京210003)

运动物体跟踪是计算机视觉中非常重要的研究领域，在医学图像、视频监控等行业有着重要的应用。近年来，连续自适应地均值漂移算法(Camshift)［1］被广泛地应用于目标跟踪场合，可以实现对运动目标的快速跟踪。然而，Camshift 与MeanShift［2］一样，都是基于图像颜色直方图的跟踪算法，前者只是对后者的自适应改进，可以解决目标跟踪过程中发生的尺度缩放、持续跟踪等问题。但是当目标颜色与背景颜色相近，或者目标遇到旋转时，Camshift 算法容易失效。为了解决这些问题，P. Hidayatullah［3］提出了三种不同的方法来提高Camshift 算法的鲁棒性，这三种方法都可以解决因目标颜色与背景颜色相近而导致跟踪失败的问题;有人利用鱼眼镜头图像特点来改进Camshift 算法，使得改进后的算法可以有效跟踪鱼眼镜头中物体［4］;Liu 等人［5］利用Camshift 与贪婪跟踪、匹配追踪相结合来对人的脸部进行实时跟踪;Zou 等人［6］提出构建运动模板，将运动信息与颜色直方图相结合，实现快速跟踪。

SIFT(Scale Invariant Feature Transform)是一种图像局部特征的描述子，有很好的旋转不变性和尺度缩放不变性，对3D 视角和光照变化的适应性强，对杂物场景和目标遮挡具有很好的鲁棒性［7］。在MeanShift 跟踪结果的基础上，文献［8］利用SIFT 匹配来寻找SIFT 的匹配点集合，通过计算仿射变换参数来得到MeanShift 最佳跟踪结果。结合颜色信息与SIFT 特征，文献［9］利用MeanShift 自适应算法和EM 框架来进行目标跟踪。本文提出一种Camshift 与SIFT 线性融合的跟踪算法，该方法可以有效解决尺度变化、旋转、目标颜色与背景颜色相近的跟踪情况。……