基于CamShift算法的運(yùn)動(dòng)目標(biāo)跟蹤研究

黃海濤 余必成 董慧文 顏俊

摘 要：運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的一個(gè)重要研究?jī)?nèi)容，通過(guò)對(duì)多幅連續(xù)圖像的處理，達(dá)到對(duì)圖像中特定目標(biāo)檢測(cè)和跟蹤的目的。以對(duì)目標(biāo)跟蹤問(wèn)題的分析為基礎(chǔ)，研究了基于CamShift （Continuously Adaptive MeanShift） 算法的運(yùn)動(dòng)目標(biāo)跟蹤實(shí)現(xiàn)策略，基于目標(biāo)的顏色特征進(jìn)行跟蹤，以均值移動(dòng)策略作為目標(biāo)的搜索算法，有效減少了特征搜索時(shí)間，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的快速定位。詳細(xì)討論了算法的設(shè)計(jì)和實(shí)現(xiàn)過(guò)程，并以實(shí)現(xiàn)的運(yùn)動(dòng)目標(biāo)跟蹤算法為基礎(chǔ)開(kāi)展了實(shí)例實(shí)驗(yàn)，驗(yàn)證了所研究算法的有效性。

關(guān)鍵詞：目標(biāo)跟蹤 CamShift算法 視覺(jué)跟蹤 均值移動(dòng)算法 計(jì)算機(jī)視覺(jué)

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2015）12（c）-0158-02

Research of Moving Target Tracking Based on CamShift Algorithm

Huang Haitao Yu Bicheng Dong Huiwen Yan Jun

（Computer Engineering College of Nanjing Institute of Technology，Nanjing Jiangsu，211167，China）

Abstract：Moving target tracking is one of the most important research focus in computer vision. By processing several continuous images，moving target can be detected and tracked. Based on the analysis of moving target tracking problem，the implementation strategy is presented in this paper.The CamShift algorithm is evolved from MeanShift algorithm，taking color characteristics of objects as key factors to reduce times of tracking target object.Based on the research of theoretical model for target tracking， the design and implementation of the strategy is proposed in this paper.The numerical experiments are discussed to ensure the validation of this implementation.

Key Words：Target tracking；CamShift algorithm；Tvision tracking；MeanShift；Computer vision

運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的重要研究?jī)?nèi)容之一，通過(guò)對(duì)實(shí)時(shí)采集的、包含目標(biāo)對(duì)象的多幅連續(xù)圖像進(jìn)行數(shù)字化處理，達(dá)到對(duì)圖像中目標(biāo)物體進(jìn)行檢測(cè)、識(shí)別、理解和跟蹤的目的。當(dāng)前，對(duì)于運(yùn)動(dòng)目標(biāo)跟蹤的研究主要集中在基于特征的跟蹤、基于模板的跟蹤和基于模型的跟蹤、基于區(qū)域的跟蹤四個(gè)方面。其中基于特征的跟蹤方法以圖像區(qū)域內(nèi)具有不變性質(zhì)的特征為研究對(duì)象，通過(guò)目標(biāo)物體的特征建模識(shí)別要跟蹤的對(duì)象，由于其對(duì)遮擋等復(fù)雜環(huán)境因素不敏感，近年來(lái)成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。

該文以基于CamShift算法的運(yùn)動(dòng)目標(biāo)跟蹤為研究?jī)?nèi)容，首先分析目標(biāo)跟蹤的研究現(xiàn)狀，然后詳細(xì)討論基于CamShift算法的目標(biāo)跟蹤設(shè)計(jì)與實(shí)現(xiàn)的過(guò)程，并以O(shè)penCV視覺(jué)庫(kù)為工具，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的跟蹤策略，進(jìn)行了實(shí)例實(shí)驗(yàn)研究，驗(yàn)證了算法的有效性，并進(jìn)行了總結(jié)。

1 CamShift算法及目標(biāo)跟蹤實(shí)現(xiàn)

CamShift（連續(xù)自適應(yīng)均值移動(dòng)算法）是在均值移動(dòng)算法的基礎(chǔ)上提出的，該算法以目標(biāo)圖像的顏色直方圖作為關(guān)鍵特征的判定與描述形式，以均值移動(dòng)算法為搜索策略，充分利用梯度上升的方向和上升的趨勢(shì)來(lái)減少目標(biāo)特征搜索匹配的時(shí)間，提高運(yùn)動(dòng)目標(biāo)的定位效率，連續(xù)自適應(yīng)均值移動(dòng)算法可以有效解決因目標(biāo)變形、復(fù)雜場(chǎng)景遮擋等因素帶來(lái)的跟蹤困難，具有較高的目標(biāo)搜索效率。以下將重點(diǎn)討論實(shí)現(xiàn)過(guò)程中主要考慮的顏色分布概率的計(jì)算策略、運(yùn)動(dòng)目標(biāo)物體的定位策略和目標(biāo)方向和參數(shù)計(jì)算策略。

1.1 顏色分布概率計(jì)算研究

運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤的前提是目標(biāo)的特征建模。該文將以物體的顏色特征為研究對(duì)象，對(duì)目標(biāo)顏色進(jìn)行建模，以此目標(biāo)與非目標(biāo)物體的運(yùn)動(dòng)特征識(shí)別標(biāo)志。實(shí)現(xiàn)的過(guò)程中首先將包含目標(biāo)的圖像由RGB空間轉(zhuǎn)化到HSV空間進(jìn)行后續(xù)處理，由于RGB顏色空間對(duì)光線(xiàn)變化比較敏感，而HSV空間中的三個(gè)分量之間是相互獨(dú)立的，轉(zhuǎn)換后可以有效提高算法的穩(wěn)定性。同時(shí)，由于HSV顏色空間中的H分量包含了最完整的色度信息，實(shí)現(xiàn)時(shí)為了提高特征建模速度，選擇H分量建立顏色直方圖作為目標(biāo)跟蹤特征的建模信息源，生成H分量的顏色直方圖。

以序列圖像的直方圖為基礎(chǔ)，可以計(jì)算出圖像各個(gè)色度值的分布概率，便利整幅圖像，用圖像中每個(gè)像素點(diǎn)所對(duì)應(yīng)的概率值代替該點(diǎn)的像素值，就能夠得到該圖像的概率投影圖。計(jì)算過(guò)程描述如下：

（1）當(dāng)前圖像由RGB格式轉(zhuǎn)換為HSV格式，并提取H分量作為特征建模信息源；

（2）計(jì)算HSV空間中H分量的直方圖，計(jì)算直方圖如式（1）：

（1）

上式中，n表示像素點(diǎn)個(gè)數(shù)，每個(gè)像素點(diǎn)位置為，表示直方圖，為像素點(diǎn)的直方圖索引。

（3）通過(guò)式（2）將直方圖的尺度從[0，max（q）]變換為灰度級(jí)：

（2）

通過(guò)以上幾個(gè)步驟，目標(biāo)物體的像素點(diǎn)采樣直方圖的閾值轉(zhuǎn)換為了灰度級(jí)值，原圖像轉(zhuǎn)換為了信息精簡(jiǎn)的灰度圖像，由于使用了信息完整的H分量進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換后的圖像反映了各顏色的分布信息。

2.2 運(yùn)動(dòng)目標(biāo)定位研究

對(duì)于每幀圖像，轉(zhuǎn)換為概率分布圖像之后，均值漂移算法就對(duì)該圖像中的待搜索區(qū)域進(jìn)行運(yùn)算，運(yùn)算的目的是找出該區(qū)域的質(zhì)心，即概率分布的梯度，然后對(duì)目標(biāo)圖像序列的所有幀同樣的運(yùn)算，并將上一幀的結(jié)果作為新的搜索窗口的初始值，反復(fù)迭代實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。具體步驟描述如下：

（l）初始化搜索窗的大小和位置。

（2）計(jì)算搜索窗內(nèi)的顏色概率分布。

（3）使用均值移動(dòng)算法獲得新的搜索窗的大小和位置。

（4）用上一步得到的值重新初始化搜索窗的位置和大小。

（5）計(jì)算跟蹤目標(biāo)的方向和目標(biāo)的尺寸。

（3）

（4）

（5）

則目標(biāo)運(yùn)動(dòng)方向與水平方向夾角為

（6）

目標(biāo)區(qū)域的長(zhǎng)軸length和短軸width長(zhǎng)度分別為：

（7）

4 實(shí)驗(yàn)結(jié)果

通過(guò)對(duì)CamShift算法的研究，該文設(shè)計(jì)將了運(yùn)動(dòng)目標(biāo)對(duì)象的視覺(jué)跟蹤策略。以實(shí)現(xiàn)的算法為基礎(chǔ)，通過(guò)設(shè)計(jì)硬件平臺(tái)，以人工移動(dòng)的黃色物體為例，成功實(shí)現(xiàn)了目標(biāo)的檢測(cè)與跟蹤。實(shí)驗(yàn)結(jié)果如圖1所示。

5 結(jié)語(yǔ)

該文研究了基于CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法，并基于開(kāi)源圖像處理庫(kù)實(shí)現(xiàn)了目標(biāo)跟蹤，通過(guò)實(shí)例實(shí)驗(yàn)，驗(yàn)證了使用所實(shí)現(xiàn)算法進(jìn)行目標(biāo)跟蹤的有效性，該算法的研究對(duì)于工程應(yīng)用中實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)跟蹤具有重要的參考價(jià)值。

參考文獻(xiàn)

[1] 趙翠蓮，王洪，范志堅(jiān)，等.基于CamShift反饋碼本模型的手抓取物跟蹤方法[J].計(jì)算機(jī)科學(xué)，2015，42（12）：297-301.

[2] 蘆書(shū)娟，呂學(xué)強(qiáng)，李卓，等.改進(jìn)CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法[J].小微型計(jì)算機(jī)系統(tǒng)，2015，36（6）：1325-1330.

[3] 翟衛(wèi)欣，程承旗.基于Kalman濾波的CamShift 運(yùn)動(dòng)跟蹤算法[J].北京大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，51（5）：799-804.