結合Kalman濾波的時空上下文目標跟蹤算法

張新堃， 黃 山

(四川大學，成都 610065)

0 引言

目標跟蹤是目前計算機視覺領域研究的一個熱點，包括了諸如目標定位、智能交通、人工智能、人體跟蹤等許多領域，也取得了不少的研究成果[1-2]。時空上下文(Spatio-Temporal Context，STC)[3]目標跟蹤算法是一個建立在貝葉斯框架下快速簡單且魯棒性好的目標跟蹤算法。

STC目標跟蹤算法受到了生物視覺系統的關注焦點機制的啟發，在目標跟蹤中加入了對時空上下文信息的利用。由于STC目標跟蹤算法是一個基于線性貝葉斯框架下的算法，不可避免地會有跟蹤目標漂移問題。當目標受到強干擾，比如嚴重遮擋或者嚴重形變時局部上下文區域的像素強度和相對位置很大的改變，會導致計算得到的先驗概率模型不準確，最后通過計算得到的目標坐標也會與目標實際位置有較大的偏差。文獻[4-6]對STC目標跟蹤算法進行了改進，有效提升了STC目標跟蹤算法的精度，克服了容易漂移等缺點，有了更好的抗干擾性，但是也存在實時性不佳等問題。

針對跟蹤過程中出現的嚴重遮擋和高速高機動等問題，結合Kalman濾波改進了STC目標跟蹤算法，在目標快速移動和被遮擋的情況下，仍能有效、穩定地跟蹤目標。

1 Kalman濾波算法簡介

Kalman濾波算法[7-8]是一種對動態系統的狀態序列進行線性最小方差估計的算法，可以通過狀態方程和觀測方程描述離散的動態系統，即

x(n)=Ax(n-1)+Bu(n)+w(n)

(1)

z(n)=Hx(n)+v(n)

(2)

式中：A是系統狀態轉移矩陣；H是系統觀測矩陣;x(n)為系統狀態向量；u(n)是輸入向量；w(n)是估計噪聲;v(n)是觀測噪聲。……