基于三維直方圖的改進Camshift目標跟蹤算法

摘 要： 經典的連續自適應均值漂移算法Camshift通過HSV空間的色調Hue分量建立一維直方圖，在有光照變化及有相似顏色目標或背景的干擾下，跟蹤效果不好。提出一種融合HSV空間中色調、飽和度以及反應物體形狀信息的邊緣梯度的三維直方圖特征，并基于背景模型自適應調整特征直方圖三種分量的權重值，提高了算法的跟蹤準確度。通過與傳統Camshift跟蹤實驗比較，提出的改進算法在光照變化及相似顏色目標/背景干擾下具有更好的魯棒性，同樣也滿足跟蹤系統的實時性要求。

關鍵詞： 目標跟蹤； Camshift算法； 邊緣梯度； 三維直方圖

中圖分類號： TN919?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2014）02?0029?05

0 引 言

目標的檢測與跟蹤是計算機視覺與模式識別領域一個非常活躍的課題，也是智能視頻監控及機器人自動導航等領域的核心問題。在目前已經提出的各種目標跟蹤算法中，Meanshift算法由于其計算簡單以及良好的實時性而得到廣泛的應用。

Camshift跟蹤算法是對Meanshift的改進，它是由Gray R.Bradski等提出的自適應縮放跟蹤模板尺寸的算法[1]。兩種算法本質上都是爬山算法，即在一種數據的密度分布中通過反復迭代而尋找出局部極值穩定的方法。

傳統的Camshift算法對于光照的變化以及在前景與背景顏色相似的條件下，跟蹤效果并不理想。對此不少學者在Camshift算法中引入其他特征目標模型，如貝葉斯概率框架[2?4]，但由于貝葉斯概率框架等模型固有的計算復雜度，難以實現跟蹤的實時性。

考慮到傳統的Camshift算法僅引入……