摘要：提出了基于融合颜色和LBP纹理特征的均值偏移粒子滤波视频跟踪算法。粒子滤波用帶权粒子集表示待求解函数值，解决了非高斯非线性问题，提高了跟踪精度。将均值偏移嵌入到粒子滤波算法框架，实现对粒子的聚类，减少粒子数量同样达到实时准确跟踪的效果。融合颜色信息、纹理信息的多种特征描述，能够准确地描述模标，提高模标锁定的准确性，克服环境中相似颜色干扰的问题。实验证明，该算法在人体行为实时跟踪的准确性和鲁棒性方面较原算法有明显提高。

关键词：背均值偏移；粒子聚类；核函数；纹理特征

中图分类号：TP391.41 文献标识码：A

0 引言

视频跟踪[1]是计算机视觉领域的核心方向之一。 本文提出了融合颜色特征和LBP纹理特征的均值偏移粒子滤波算法，将均值偏移嵌入到粒子滤波算法框架[2]，粒子聚类作用提高粒子集的效率。仿真实验表明，提出的方法在相似颜色干扰、遮挡等环境下跟踪目标鲁棒性、实时性、准确性较强。

1 基于融合特征的Meanshift粒子滤波算法

1.1 均值偏移粒子滤波算法

本文提出的Meanshift粒子滤波算法中，算法框架如下。

1.1.1 粒子采样

假设粒子的初始位置为x0，粒子的数目为N，运动目标每个可能的状态由粒子表征。每个粒子的初始权值为1/N，N个粒子的权值之和为1。

初始目标运动模型第一帧图像像素记作，n，m个特征值。初始运动目标模型表示为

（1）

1.1.2 状态转移

通常采用ARP公式：

（2）

（3）

1.1.3 粒子均值偏移收敛

粒子预测方程是：

设y1为起始点，核……