王爱丽，董宝田，孙远运，武 威

(1.中国铁路信息技术中心 信息工程部，北京 100038；2.北京交通大学 交通运输学院，北京 100044)

信息是智能交通系统(ITS)的灵魂，实时准确地获取交通流中运动目标的信息可以提高ITS的实施效果，对交通规划、设计、管理和控制等意义重大。近年来，计算机视觉技术的发展为ITS提供了有力工具，运动目标跟踪技术是其重要的组成部分[1-2]，是获取交通场景内交通信息的主要途径，也是对行人的行为进行分析和理解的基础。

目前，国内外对基于计算机视觉的行人跟踪技术开展了广泛的研究，提出了许多新的跟踪方法[3-6]，主要有基于特征的跟踪、基于模板匹配的跟踪、基于运动预测的跟踪等。其中，基于模板匹配的均值漂移(Mean Shift)跟踪算法因其计算量小、简单、易于实现等优点得到广泛应用，然而，该算法采用的颜色直方图对目标特征描述能力不强，抗遮挡能力弱，容易在跟踪过程中发生目标定位漂移。因此出现了很多改进的均值漂移算法。文献[7]提出一种自适应多特征融合均值漂移目标跟踪算法，利用局部均值对比度和灰度特征表征目标，能有效适应场景变化和目标形变，但此方法未考虑目标的运动特性，当目标严重遮挡时，算法的稳定性降低。文献[8-9]提出了融合颜色和形状纹理特征的跟踪算法，并假设特征相互独立，忽略了每个特征的贡献和目标的运动特性，易受运动噪声干扰。文献[10]将红外图像的灰度特征、可见光图像的颜色和纹理特征融入到模板跟踪框架中，该方法需对多传感器间进行同步测算和设置，计算复杂，不利于算法的推广应用。……