张永梅，刘萌萌，郭 莎

(1.北方工业大学 计算机学院，北京 100144；2.北方工业大学 电子信息工程学院，北京 100144)

0 引 言

在视频图像中，轮船驶过的波浪、海面上的漂浮物、山峰等都可能造成感兴趣目标的遮挡，并且轮船经常会受到同色系背景的干扰，这种情况下很容易导致跟踪失败。针对上述问题，越来越多的学者对现有的跟踪算法进行了更深入的研究和改进[1-4]。闰钧华等使用卡尔曼滤波对Camshift跟踪到的结果进行预测和修正，并且使用直方图匹配来决断初始遮挡的时刻，在此基础上将最小面积作为度量判定程度[5]。然而，由于Camshift方法采用颜色直方图为匹配模板，目标与背景颜色相同时，导致搜索窗会变大;陈杏源等[6]将Camshift和SURF算法结合在一起，弥补了Camshift算法在应用过程中受到干扰后发生误跟踪的缺陷，但是其在复杂场景下实时性差[7]；费智婷等[8]基于粒子滤波跟踪算法框架，通过局部背景加权直方图对目标进行描述，然而在光强度很高的情况下，海浪和船舶颜色会很接近，跟踪效果并不太理想[7]。

在本文中，围绕以色调、边缘以及运动为特征的Camshift算法，无损卡尔曼滤波估计并校正跟踪窗的质心位置大小，Bhattacharyya距离描述跟踪情况，以跟踪干扰和部分遮挡情况下移动中的轮船。

1 传统的Camshift算法

以往的Camshift算法基于原始窗中的颜色特征生成概率分布图，遍历搜索目标的质心坐标，实现对目标的跟踪。传统Camshift算法具体步骤参见如文献[7]。

传统的Camshift算法根据颜色特征中的色调分量进行跟踪，当采集到的轮船图像背景稳定，并且目标与背景差异较大时，Camshift对于此类图像有较好的跟踪效果，能根据目标的大小改变跟踪窗的大小。……