基于差分法的均值漂移单目标跟踪

基于差分法的均值漂移单目标跟踪

摘 要： 研究了一种基于差分法原理的MS跟踪算法。当MS跟踪目标位置发生较大偏移时，通过使用差分法提取的目标形心位置对其进行修正。实验结果表明，该方法应用于运动目标的跟踪具有良好的跟踪效果。关键词： 帧差法；目标提取；目标跟踪；均值漂移
　近年来，目标跟踪是机器视觉领域比较活跃的研究课题，在车辆跟踪、智能机器人、人机交互、智能家居以及生物医学图像分析等行业有着潜在的应用[1-2]。学者们提出了大量的运动目标跟踪算法，在这些算法中，基于统计迭代思想的均值漂移MS（Mean Shift）算法，经常被应用于聚类、图像平滑、图像分割和跟踪等各种不同场合。该方法计算量不大，能够进行视频图像的目标跟踪[3]。　目前，MS方法在计算机视觉领域的应用飞速发展。COMAIVICIU D成功地将MS方法应用到图像分割和目标跟踪中[4]。应用Lindeberg理论解决了MS方法在跟踪色块时特征空间尺度h的选取问题[5]。彭宁嵩等证明了在核函数窗宽固定的条件下，目标在其窗宽范围内进行缩放、平移运动并不影响Mean Shift跟踪算法空间定位的准确性[6]。贾静平等引入目标倾角的方法来跟踪旋转的目标[7]，但是该方法是采用试探的方法通过多次分别计算水平、垂直和旋转的自由度，然后分别取最优值。这种方法比较复杂，而且采用固定的变化大小，对目标变化的适应性不强。以上这些方法虽然在某些场合下跟踪效果比较满意，然而算法比较复杂、计算量大。　基于MS的目标跟踪算法要求相邻两帧间目标位置必须有重合，因此，当目标的运动速度较小时，能够获得比较理想的跟踪结果。当目标运动速度较快且目标较小导致相邻两帧间的目标位置无重合时，该方法往往失效。差分法是常用的目标提取算法，可以快速有效地提取出目标的轮廓。利用差分法提取出目标的轮廓，进而计算出目标的形心位置，从而为MS跟踪算法提供准确、可靠的目标位置。本文主要研究动态复杂背景下图像序列中运动目标的跟踪技术。利用MS理论和差分法目标提取算法相结合，实现了运动目标的跟踪。通过对行驶中的小汽车的跟踪，验证了本文算法的有效性。1 差分法目标分割及特征提取　差分法也叫帧差法，是用当前帧图像减去前一帧图像，提取出运动目标，属于图像分割技术范畴，其原理比较简单，易于实现。1.1 差分法原理　基于像素灰度信息的差分算法速度快、提取准确，是运动目标提取首选算法。假定函数fk（x，y）、fk+1（x，y）分别表示第k帧、第k+1帧图像（x，y）处的像素值，则差分操作定义为：　一般来说，MS算法迭代

若干次（一般在10次以内）后就可以逼近准确值。关于MS算法的收敛性，可参阅