景 平 董 娜 景雪宁

（兰州理工大学 兰州 730050）

1 引言

运动目标跟踪是计算机视觉领域内的一个重要的研究内容，它在交通监控、视频交互、行为分析等一些领域有着广泛的应用。目标跟踪技术主要由三个部分组成：1）目标的特征提取，如何从目标的图片信息中提取出能够显著性表达目标特点的信息特征；2）外观模型，外观模型的作用是在当前帧中判决候选图像区域是被跟踪目标的可能性；3）目标运动位置预测，其通过描述帧与帧目标运动状态之间的关系，预测出下一帧的目标所处位置的可能区域［1］。

起初人们采用全局直方图来表示目标特征信息，利用直方图之间的巴氏距离来判断图像块的匹配关系，但是用直方图来表示图像特征只能描述特征元素在整幅图像特征中所占的比例关系，忽略了特征元素所处的空间位置，因此该特征模型不能完整反映目标的信息。为了应对上述问题，学者们在构建外观模型时加入了分块-联合机制［2～3］。在应对复杂背景下的目标跟踪问题，人们又利用判别分类法去描述目标外观，例如Helmut在文献［4］中提到的Boosting算法，该算法基本思想为：针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器），但是采用该分类器处理跟踪问题时运行帧率不能满足实时性需求。为了解决计算复杂度大的问题，Zhang在文献［5］中提出了快速压缩跟踪算法。该算法是通过对图像信息降维处理方式来提取目标特征信息，进而实现高效的跟踪，但是经过这样处理会使得所构建的外观模型不能精确地描述目标细节信息，容易在处理背景杂波干扰的跟踪问题就会出现错误匹配现象。……