基于BRISK和CamShift的魯棒目標跟蹤研究

劉亞偉, 李小民

(軍械工程學院無人機工程系，石家莊 050003)

基于BRISK和CamShift的魯棒目標跟蹤研究

劉亞偉, 李小民

(軍械工程學院無人機工程系，石家莊 050003)

在CamShift目標跟蹤的框架下，提出了基于BRISK特征匹配和CamShift的目標跟蹤方法，該方法通過顏色特征和局部特征共同定位目標，從而實現目標準確跟蹤。在保證跟蹤實時性的前提下，該方法改善了CamShift算法在目標跟蹤過程中對背景、尺度、旋轉和遮擋變化的敏感性和目標跟蹤的特征單一性。實驗對比結果表明，該改進方法較單獨基于特征匹配的目標跟蹤方法,其快速性有很大提高，較CamShift跟蹤方法在目標尺度變化、旋轉變化、光照變化、背景變化和遮擋變化條件下的魯棒性更強，同時增強了兩種算法的跟蹤準確性。

目標跟蹤； 魯棒性； CamShift； BRISK

0 引言

目標跟蹤技術作為計算機視覺領域的一個重要分支，一直以來都受到各個相關領域的關注。但是跟蹤過程中目標的多動性和環境的多變性，使得目標跟蹤受到各種干擾，所以提高跟蹤算法的魯棒性已成為一項非常重要的工作。目前常見的目標跟蹤算法有：均值漂移法、粒子濾波法、卡爾曼濾波法和特征點匹配法等。由于均值漂移(MeanShift)的目標跟蹤算法[1]具有計算簡單、實時性好、易于實現等特點，因此在現實生活中應用最為廣泛；文獻[2]將CamShift算法應用于基于單目標視覺的手勢識別過程；文獻[3]將CamShift應用于運動目標跟蹤過程。但是，CamShift的缺點也非常明顯，其在進行匹配過程中，只考慮了單一的目標顏色信息，所以導致其魯棒性較弱，尤其是在目標發生較大的尺度變化、旋轉變化、光照變化、背景顏色變化和遮擋的條件下，使得目標區域顏色直方圖發生較大改變，導致跟蹤不穩定甚至跟蹤失敗[4]。……