高飞

摘要：在互动投影系统中，针对Kinect自带的机器学习的目标跟踪算法精确度不高，而Camshift算法在背景颜色与目标物颜色相近时，容易出现误差而无法预测运动方向，提出将Kinect的深度信息与Camshift算法颜色直方图相融合;为克服Camshift算法在目标物体速度发生突变而引起目标跟踪丢失的现象，加入了目标运动轨迹预测机制，提出了一种动态目标自适应跟踪算法。实验结果表明，该算法在背景颜色与目标物颜色相近，且运动速度发生突变的条件下，相比传统的Camshift算法更具鲁棒性，跟踪准确率提高5.0%。

关键词：Camshift算法;目标自适应跟踪算法;Kinect

中图分类号：TP311      文献标识码：A

文章编号：1009-3044（2021）11-0193-03

传统的目标跟踪算法包括：尺度不变特征 （Scale invariant feature transform，SIFT）跟踪算法[1]，该算法依据关键点周围的梯度信息来定位运动目标的位置;基于梯度直方图特征（Histogram of oriented gradient， HOG）的算法[2]，该算法有效解决了静态图像中监测行人位置的问题;连续自适应均值漂移（Continuous adaptive Mean shift，简称Camshift）算法[3] ，该算法的原理是以目标物体的颜色概率分布图为基准，可有效降低目标跟踪过程中由于姿态发生改变以及光照发生变化时对目标对象跟踪的影响。他的缺点是，当目标物颜色与背景颜色相似时，极易发生跟踪错误的现象。当目标运动的速度过快时，Camshift算法依据上一帧图像计算出来的结果得到的搜索区域，不能与运动目标正确连接，导致目标跟踪丢失。

针对Camshift的不足之处，研究者提出了许多改进方法，例如文献[4]针对目标运动速度过快的情况提出了改进的Camshift算法，对预测的速度、加速度及误差采用IIR滤波器进行修理和改正，但是当加速度突然增大时却不能准确进行目标跟踪。……