基于HSV非均勻量化的CAMshift目標跟蹤算法

張辰　彭玉旭

摘要：針對經典CAMshift（continuouslv Adaptive Meanshift，連續自適應均值偏移算法）算法易受色度相似背景像素干擾的問題，提出了基于HSV非均勻量化的CAMshift目標跟蹤算法，有效地解決了經典算法存在的缺陷。通過在經典CAMshift算法顏色直方圖中引入亮度和飽和度分量，并對顏色空間進行非均勻量化，提高目標與背景的區分度，抑制背景像素對目標的干擾。在多個視頻數據上的仿真實驗結果表明，該算法有效地克服了經典CAMshift算法對背景像素敏感的問題，提高了與背景色調相近場景下目標跟蹤的準確性。

關鍵詞：CAMshift；目標跟蹤：非均勻量化：顏色直方圖

0引言

運動目標跟蹤技術是計算機視覺領域的核心研究內容，旨在根據設定的目標初始信息，查找每一幀視頻或序列圖像中的興趣目標。該技術廣泛應用于人機交互、人類行為分析、物體偵查、視頻檢索、視頻監控、虛擬現實、遠程醫療等領域。近年來，目標跟蹤算法得到了擴展與更新，根據目標跟蹤算法的原理，可分為基于區域的跟蹤、基于主動輪廓跟蹤、基于模型的跟蹤、基于特征的跟蹤四類。當前，目標跟蹤算法面臨的難題則包括有諸如目標形變、尺度變化的內在因素，以及諸如背景干擾、光照變化、遮擋的外在因素。

其中，在基于特征的目標跟蹤算法中，顏色信息作為基礎性的頂級直觀的物理特征，因其不受圖像的空間位置影響且對目標物體的尺度變化、旋轉、平移均有良好的適應性等優勢而被廣泛應用。在實際應用中，常采用顏色直方圖作為目標跟蹤的依據。顏色直方圖是用來表達目標物體顏色信息的重要統計特征，是指將顏色空間劃分為一組顏色區間，然后從數學的角度統計像素值處于不同區間內像素的數量，從而描述出圖像顏色。

目前，在目標跟蹤領域中應用上堪稱普及廣泛的即是Meanshift（均值漂移）算法，該算法通過對概率分布進行梯度優化以獲取目標定位，對目標物體諸如旋轉、形變、平移等運動均有良好的適應性，可以實現對非剛性目標的實時追蹤。在Meanshift算法的基礎上，Bradski提出了可以自適應調整搜索窗口大小的CAMshift算法，該算法是對Meanshift算法的改進與延伸，其核心思想是對視頻的每一幀圖像設計開展Meanshift運算，從而能夠提供對目標模型的實時自動更新，與此同時，也繼承了Meanshift算法對目標尺度變化具有良好適應性的優點。

現有目標跟蹤算法在面對復雜場景，尤其是當興趣目標與背景顏色相近時，易受到干擾，導致跟蹤失敗。針對這種情況，本文提出了一種新的CAMshift目標跟蹤算法，通過對圖像的非均勻量化，以顯著強化反投影概率圖中目標與背景的區分度，從而提高跟蹤的精度。