王　闪， 吴　秦

(江南大学 物联网工程学院，江苏 无锡 214122)



全局运动补偿的动态背景下运动轨迹跟踪算法*

王闪， 吴秦

(江南大学 物联网工程学院，江苏 无锡 214122)

针对动态背景下，一般跟踪算法存在着被动跟踪的滞后或偏移的问题，提出了一种结合Kalman滤波器的Mean-Shift跟踪算法。对运动矢量进行预处理，得到一个平稳更能反映运动信息的矢量场；利用Mean-Shift搜索算法精确地确定对象位置；此基础上,利用Kalman滤波器算法进行运动估计预测，来确定运动的轨迹。实验表明：与现有的方法相比，该方法可从复杂场景中更准确地对运动对象进行轨迹的跟踪。

全局运动补偿； 压缩域； 轨迹跟踪

0　引　言

近年来,运动对象的轨迹跟踪一直是人们备受关注的多学科交叉课题。主要对象的轨迹跟踪在很多应用中起到非常重要的作用，现在已经应用在很多APP应用中。大部分跟踪算法基于外观特征模板，即先离线或在线学习一个外观模型来描述目标，然后使用该模型在图像区域进行搜索，寻找与外观模型最相似的目标，这种思想比较简易，比较适用于刚性且对象与背景色差相差较大的视频序列[1]。在此基础上Ross D A提出离线学习自适应目标外观变化的外观模型，虽然能适应目标外观的变化，但是没有考虑背景信息，而这些被丢弃的背景信息很可能提高跟踪的稳定性和准确性[2]。现在，除了基于外观模型方法之外，比较常用的运动对象跟踪算法包括基于3D模型的方法、基于活动轮廓模型的方法等[3～5]。……