第 33 卷第 5 期
光电工程
Vol.33, No.5
2006 年 5 月 Opto-Electronic Engineering May, 2006
文章编号
1003-501X(2006)05-0066-05
快速运动目标的 Mean shift 跟踪算法
朱胜利 朱善安 李旭超
( 浙江大学 电气学院
浙江 杭州 310027 )
摘要
针对 Mean shift 本身的理论缺陷 提出 Mean shift 和卡尔曼滤波器相结合的快速目标跟踪
算法
利用卡尔曼滤波器来获得每帧 Mean shift 算法的起始位置 然后再利用 Mean shift 算法得
到跟踪位置
在目标出现大比例阻挡情况时 利用卡尔曼残差的计算来关闭和打开卡尔曼滤波器
此时 目标位置的线性预测替代了卡尔曼的作用 试验证明 本算法可以实现对快速运动目标的
跟踪
对阻挡也有很好的鲁棒性
关键词
Mean shift
核函数 卡尔曼滤波器 目标跟踪
中图分类号
V556 文献标识码 A
Algorithm for tracking of fast motion objects with Mean shift
ZHU Sheng-li ZHU Shan-an LI Xu-chao
( College of Electrical Engineering, Zhejiang University,
Hangzhou 310027, China )
Abstract
To improve theoretic limitation of Mean shift, an algorithm for tracking of fast motion objects,
which combines Mean shift and Kalman filter, is proposed. At first, the starting position of Mean shift is
found with Kalman filter in every frame, and then Mean shift is utilized to track the target position.
When severe occlusion appears, filtering residuals is exploited to decide whether the Kalman filter
works. At this moment, Kalman filter is replaced by linear prediction of object position. Experimental
results show that the proposed algorithm can track fast moving objects successfully and have better
robust for occlusion.
Key words
Mean shift; Kernel function; Kalman filter; Target tracking
引 言
Mean shift 是一种密度梯度的无参估计方法
于 1975 年由 Fukunaga
[1]
提出
1995 年 Cheng 的文章
[2]
将
它引入计算机视觉领域
直到近几年才引起国外学者们的广泛兴趣
Chmaniciu 和 Meer
[3
-
5]
对 Mean shift
在图像滤波
分割和跟踪中的使用都做了较早的论述
Changjiang Yang
[6]
对多维图像的 Mean shift 方法进
行了讨论
使用改进的快速高斯变换提高算法的速度
Collins
[7]
将尺度空间和 Mean shift 相结合解决了核
函数带宽实时变化时的目标跟踪
然而 这两个算法都没有涉及模板更新问题 另外
K. Nummiaro
[8]
研究
了粒子滤波器和 Mean shift 方法相结合的情况
但是粒子滤波器本身的复杂计算降低了跟踪的实时性
Mean shift 在跟踪领域有一些很好的性质
如算法实时性好 是一个单参数算法 容易作为一个模块
和别的算法集成
采用核函数直方图建模 对边缘阻挡 目标的旋转 变形以及背景运动都不敏感 当然
也有些不足之处
例如 在 Mean shift 算法推导过程中 在目标起始中心使用了泰勒展开 泰勒展开的邻
域要求使得当目标运动速度过快时
算法跟踪效果不好 针对这一问题 本文提出卡尔曼滤波器和 Mean shift
相结合的解决办法
将随时间变化的目标中心的位置信息作为卡尔曼滤波器的观测值 利用卡尔曼滤波器
收稿日期
2005-07-18
收到修改稿日期
2005-09-01
作者简介
朱胜利(1970-) 男(汉族) 陕西大荔人 博士生 主要从事图像运动目标跟踪领域的研究
E-mail: qiurankee@sohu.com
万方数据