復(fù)雜背景下的運(yùn)動目標(biāo)跟蹤技術(shù)研究

周慶芳

【摘 要】隨著社會發(fā)展需要，基于算法的視頻跟蹤成為一個軟件研發(fā)熱點(diǎn)。而Camshift算法作為一種低資源消耗，高可擴(kuò)展性的算法，是目前視頻跟蹤算法研究的熱點(diǎn)之一，對于需要低成本大范圍運(yùn)行的視頻跟蹤系統(tǒng)提供了一種有效的解決方案。

【關(guān)鍵詞】運(yùn)動目標(biāo)跟蹤;Mean shift;Camshift

1.視頻跟蹤概述

視頻目標(biāo)跟蹤是計算機(jī)視覺研究領(lǐng)域的核心要點(diǎn)之一，其研究成果在諸多領(lǐng)域有非常廣泛的實(shí)際應(yīng)用。隨著社會生產(chǎn)設(shè)備的升級，越來越多的視頻捕捉設(shè)備被應(yīng)用到生活中，僅2011年，上海市僅為治安監(jiān)控就設(shè)置了超過4000人的專職視頻監(jiān)控人員，而在其他地區(qū)，人均攝像頭比例有的竟高達(dá)1：15。計算機(jī)視頻處理能發(fā)現(xiàn)運(yùn)動對象同時進(jìn)行跟蹤，準(zhǔn)確標(biāo)示目標(biāo)在畫面中的位置，并且隨著畫面內(nèi)容同步跟進(jìn)，可以在預(yù)先設(shè)置好警報事件的情況下為觸發(fā)警報的事件報警。

2.Camshift算法簡介

英國薩利大學(xué)的的研究成果TLD被認(rèn)為是目前最高效的視頻目標(biāo)跟蹤算法，然而該算法是一個面對高配置精確單目標(biāo)跟蹤的高效算法，卻不是一個普適解決方案。大部分問題都沒有一個普適的最優(yōu)解，實(shí)際問題情況復(fù)雜，沒有算法時間空間下界的標(biāo)準(zhǔn)，因此，視頻目標(biāo)跟蹤的研究和開發(fā)工作依然存在著非常巨大的延伸空間。連續(xù)自適應(yīng)的Mean Shift算法（Continuously Adaptive Mean-SHIFT algorithm），最初是Gary、Bradski等人1999年提出的基于mean shift算法的一種人臉追蹤算法。實(shí)際上，Camshift算法是Mean Shift算法的一個改進(jìn)，除了面部跟蹤，它在其他跟蹤問題中依然能達(dá)到較好的跟蹤效果。

3.算法流程及實(shí)現(xiàn)

Camshift算法過程可以如下描述：

（1）讀取第一幀視頻圖像，將RGB顏色模式轉(zhuǎn)換為HSV顏色模式，提取出其中的Hue顏色分量。

（2）外界干預(yù)選擇確定初始目標(biāo)及其區(qū)域，并以此區(qū)域初始化搜索框，統(tǒng)計目標(biāo)區(qū)域的Hue色相直方圖。（如圖1 （a））

（3）以搜索框中心為圓心，根據(jù)目標(biāo)區(qū)域的色相概率標(biāo)注搜索半徑內(nèi)的像素矩陣，轉(zhuǎn)換該范圍內(nèi)圖像為反向投影圖。（如圖1 （b））

（4）對（3）得到的反向投影圖用Mean Shift算法計算出搜索窗新的質(zhì)心位置，移動搜索框的中心到新計算的質(zhì)心位置，并更新搜索框大小。

（5）獲取下一幀圖像，用前一幀計算得到的搜索框的中心和大小來初始化當(dāng)前幀的搜索框，統(tǒng)計目標(biāo)區(qū)域的Hue色相直方圖，轉(zhuǎn)到（3）圖直到目標(biāo)離開視頻畫面或視頻畫面序列結(jié)束。（如圖1）

Camshift算法可以用的是基于C的OpenCV庫代碼，OpenCV對Camshift主要函數(shù)Mean Shift和求反向投影圖函數(shù)有良好的優(yōu)化封裝，執(zhí)行效率較高，而且執(zhí)行速度快。

4.本章小結(jié)

Camshift算法對背景復(fù)雜的彩色視頻適應(yīng)性強(qiáng)，效率較高，算法流程清晰易懂，具有良好的擴(kuò)展性。Camshift算法不需要預(yù)讀取整個視頻系列，可以逐幀進(jìn)行，節(jié)省存儲空間，同時能實(shí)現(xiàn)實(shí)時采集系統(tǒng)的跟蹤功能。同時其Mean Shift算法可證明在有限次迭代后總可以得到收斂的結(jié)果。

所以Camshift算法作為一種低資源消耗，高可擴(kuò)展性的算法，是目前視頻跟蹤算法研究的熱點(diǎn)之一，對于需要低成本大范圍運(yùn)行的視頻跟蹤系統(tǒng)提供了一種有效的解決方案。

【參考文獻(xiàn)】

[1]薛牧青.外媒關(guān)注中國大規(guī)模安裝攝像頭[N].青年參考，2011年08月10日 （24 版）

[2]Kalal Z， Mikolajczyk K， Matas A J. Tracking-Learning-Detection[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE， 2010.6（1）：1-14

[3]袁國武. 智能視頻監(jiān)控中的運(yùn)動目標(biāo)檢測和跟蹤算法研究[D]. 云南大學(xué)， 2012

[4]劉艷麗， 唐先琪， 陳躍東. 基于改進(jìn)Camshift的運(yùn)動目標(biāo)跟蹤算法應(yīng)用研究[J].安徽工程大學(xué)學(xué)報，2012.27（2）：74-77

[5]文志強(qiáng)，蔡自興. MeanShift算法的收斂性分析[J]. Journal of Software，2007.2（18）：205-212