基于Kalman濾波的CAMShift目標跟蹤算法

馬洪濤 吳賽敏

摘 要：針對傳統(tǒng)的CAMShift算法跟蹤目標丟失的問題，提出一種基于Kalman濾波的CAMShift目標跟蹤算法。為驗證改進后算法，可用安裝攝像頭的農(nóng)田作業(yè)設(shè)備采集圖像，并對圖像中的特定目標進行跟蹤。該算法用Kalman濾波器預(yù)測下一幀特定目標的位置，統(tǒng)計候選目標的直方圖并進行反向投影，將得到的色彩概率分布圖跟蹤特定目標的特征。實驗表明，改進后的算法在目標快速運動的情況下仍然取得較好的跟蹤效果，具有較好的穩(wěn)定性。

關(guān)鍵詞：CAMShift算法;Kalman濾波器;特定目標跟蹤;色彩概率分布圖

Abstract：Aiming at the problem of tracking target loss by the traditional CAMShift algorithm，a Kalman filtering based CAMShift target tracking algorithm is proposed.To validate the improved algorithm，images can be acquired using a farmland-mounted farm equipment and tracking specific targets in the image.The algorithm uses the Kalman filter to predict the position of a specific target in the next frame，counts the histogram of the candidate target and performs back projection，and traces the obtained color probability distribution map to the characteristics of the specific target.Experiments show that the improved algorithm still achieves better tracking effect in the case of fast target motion and has better stability.

Key words：CAMShift algorithm;Kalman filter;specific target tracking;color probability distribution map

目標跟蹤是計算機視覺領(lǐng)域發(fā)展較快的方向。近些年，Meanshift算法在目標跟蹤方面應(yīng)用廣泛，但也有不足之處，它無法對目標模型進行更新。為解決該算法無自適應(yīng)問題，Bradski在Meanshift算法的基礎(chǔ)上提出基于顏色概率信息的CAMShift算法，它運行效率較高，但目標運動較快時，跟蹤出現(xiàn)較大偏差，甚至丟失目標。為解決此問題，Huang等人提出采用Kalman濾波器對當前幀中特定目標位置進行預(yù)測，減少了傳統(tǒng)CAMShift算法的計算量。

針對上述問題，提出一種結(jié)合Kalman濾波的CAMShift目標跟蹤算法的改進方案。該算法采用Kalman濾波預(yù)測下一幀圖像中特定目標的位置，統(tǒng)計候選目標的直方圖并進行反向投影得到色彩概率分布圖，將其作為CAMShift算法的輸入圖像判定特定目標區(qū)域，并將當前幀中的特定目標的位置信息更新給Kalman濾波。

1 CAMShift目標跟蹤算法

CAMShift算法：CAMShift是一種自適應(yīng)算法，根據(jù)特定目標的尺度變化不斷調(diào)整搜索窗大小，[1]實現(xiàn)自適應(yīng)控制功能。算法過程如下：

（1）選取特定目標，作為模板目標;

（2）計算模板目標的色彩概率分布圖;

（3）用Meanshift算法計算搜索窗的質(zhì)心;

（4）將搜索窗的質(zhì)心作為中心點，得到最終搜索窗口的位置和大小;

（5）在下幀圖像中用（4）的搜索窗信息跟蹤目標，執(zhí)行（2），實現(xiàn)連續(xù)跟蹤目標。

2 算法改進

2.1 Kalman濾波預(yù)測目標位置

2.2 算法實現(xiàn)

在特定目標跟蹤過程中，用Kalman濾波器估計特定目標的位置，[3]降低了CAMShift算法的計算量，[4]提高了目標跟蹤的有效性。具體步驟如下：

（1）讀取視頻序列，選擇特定的目標區(qū)域，初始化Kalman濾波器;

（2）更新的Kalman濾波器預(yù)測當前幀特定目標位置，計算搜索窗的色彩概率分布圖;

（3）將其作為CAMShift算法的輸入圖像，得到當前幀候選目標的位置信息并更新Kalman濾波器;

（4）在下幀圖像中，用更新的Kalman濾波器預(yù)測特定目標的位置作為當前幀的候選目標，之后確定搜索窗口，返回（2）繼續(xù)執(zhí)行，實現(xiàn)持續(xù)跟蹤目標。

3 實驗結(jié)果分析

選取安裝攝像頭的機械設(shè)備做快速運動時的圖片，跟蹤的特定目標為遺落的農(nóng)作物，并將跟蹤結(jié)果顯示在藍色框里，同時將第12幀圖像作為初始幀并手動選擇跟蹤目標。圖1僅采用CAMShift算法，可看出從第43幀開始，框選目標的藍色矩形框逐漸變大，將要布滿整個圖片，往后甚至?xí)霈F(xiàn)丟失跟蹤目標的情況。圖2采用改進的CAMShift跟蹤算法，從跟蹤的情況來看，藍色框也存在稍微偏離特定目標的情況，但和圖1相比偏離程度明顯降低，仍很好地對農(nóng)作物進行跟蹤，具有較好的穩(wěn)定性。

實驗表明，在農(nóng)田作業(yè)機械快速運動的情景下，改進的算法仍能較好的跟蹤目標，與傳統(tǒng)CAMShift算法相比，很明顯的改善了目標跟蹤的精確性，達到了期望的效果。

4 結(jié)論

本文提出基于Kalman濾波的CAMShift目標跟蹤算法，減少了CAMShift算法的計算量，改進了以顏色特征為主要跟蹤依據(jù)的傳統(tǒng)CAMShift算法的跟蹤效果，使跟蹤目標得到更加準確的定位。實驗證明該算法計算時間短，可更加準確的跟蹤目標，是一種可以進行廣泛應(yīng)用的算法。

參考文獻：

[1]周尚波，胡鵬，柳玉炯.基于改進Mean-shift與自適應(yīng)Kalman濾波的視頻目標跟蹤[J].計算機應(yīng)用，2010，30（6）：1573-1576.

[2]余彥霖，祖家奎，廖智麟.基于卡爾曼濾波的MUH姿態(tài)信號融合算法研究[J].電子測量技術(shù)，2015，38（5）：106-110.

[3]王江濤.基于視頻的目標檢測、跟蹤及其行為識別研究[D].南京：南京理工大學(xué)，2008.

[4]KIN HONG WONG，YING KIN YU，HO YIN FUNG.Robust and efficient pose tracking using perspective-four-point algorithm and Kalman filter[C].St.Petersburg，Russia：International Conference on Mechanical，System and Control Engineering，2017.

作者簡介：馬洪濤（1963-），男，學(xué)士，副教授，研究方向為計算機測控技術(shù)、電力電子技術(shù);吳賽敏（1991-），女，碩士，研究方向為機器視覺、電子通信。