第
41
卷第
5
期
Vol.41
No.5
河北工业大学学报
JOURNAL OF HEBEi UNIVERSITY
OF
TECHNOLOGY
文章编号:
I
007-23
73
(2012)
05-0015-05
、平
适用于多目标跟踪的
MSPF
算法研究
韩
明
l
,刘教民
I.
2
,王震洲
2
,王静云
3
2012
年
10
月
October 2012
(
I.
燕山大学信息科学与工程学院,河北秦皇岛,
066004;
2.
河北科技大学信息科学与工程学院,河北石家庄
050018;
3.
河北省纺织纤维砍忏质量认证咨询中心,河北石家庄
050091
)
摘要
针对背景发生变化和目标遮挡时多目标跟踪的实时效果差和准确性低的问题,提出了均值漂移与粒子滤波
相融合(
Mean
sh
的
particle
filter,
MSPF
)多目标跟踪算法.在
PF
理论框架下,使用均值漂移对随机粒子样本进
行重新分配,使粒子向目标状态的最大后验核密度估计方向移动,在均值漂移迭代过程中对样本权值进行史新;
最后利用均值漂移算法的迭代运算和运动目标前一帧和当前帧的关系得到目标在下一帧的位直.实验结采表明该
算法和传统的均值漂移算法相比具有更准确的跟踪结果,对于背景更新和目标遮挡的视频序列具有史强的鲁棒性.
关键词
多目标跟踪;均值漂移;粒子滤波;目标遮挡;最大后验核密度估计
中图分类号
TP301
文献标志码
A
Research on MSPF algorithm for multi-target tracking
HAN
Ming1,
LIU
Jiao-min1·
2,
WANG Zhen-zhou2, WANG
Jing-yun3
(
I.
College
of
Information
Science
and
Engineeri
吨,
Yanshan
University,
Hebei
Qinhuangdao
066004,
China;
2.
Institute
of
Information
Science
and
Engineering,
Hebei
University
of
Science
and
Technology,
Hebei
Shijiazhuang
050018,
China;
3.
Textile
Fiber
Jiuqian
Quality
Certification
Consulting
Center
of
Hebei
Province,
Hebei
Shijiazhuang
050091,
China)
Abstract
In
view
of
the the low accuracy and poor real-time effect
of
multi-target
仕
acking
when the background changes
with object occlusion, we propose a multi-target tracking algorithm based on fusion
of
Mean-Shift and Particle Filter
(MSPF). With the theoretical framework
of
Particle Filter (PF), the mean shift is introduced to redistribute random
sample particles, in which particles move toward the maximal posterior kernel density estimation
of
target state, the
weights
of
particle samples are updated as the mean shift iterative operating. Finally,
to
obtain the position
of
the target
in
next
仕
ame,
we choose
to
use mean shift iterative operation and the relationship
of
moving target
in
the prior and
cuηent
丘
ame.
Experimental results show that our algorithm obtains more accurate tracking results than traditional mean-shift and
has better robustness for background updating and occlusion.
Key words multi-target tracking; mean shift; particle filter; occlusion; maximal posterior kernel density estimation
。
引言
视频序列中运动目标检测与跟踪一直是计算机视觉和机器视觉研究的重点和热点,并且多目标跟踪在智
能监控、图像处理、虚拟现实、智能交通系统等领域都有着广泛的研究和应用.目前对于目标遮挡、目标分
离、目标形变以及背景发生变化等问题的研究一直是多目标跟踪中的难点[
I].
均值漂移(
mean
shift, MS)
和粒子滤波(
particle
filter,
PF
)己被广泛的应用到了目标跟踪领域[
2-4
],近年来,将二者结合用于多目标跟
踪在国内外也有研究,并取得了积极地研究成果,但是对于背景发生变化时的多目标跟踪则有待进一步研究.
文献[
5
]利用粒子滤波对视频图像中目标进行跟踪,但是粒子滤波主要面向非线性、非高斯性的目标跟
踪,并且该方法计算量大、效率低,因此对复杂场景下多目标跟踪的准确性和鲁棒性具有很大的影响.文献
[6
]提出了一种基于粒子滤波的多目标跟踪算法,在跟踪过程中进行粒子和图像空间的映射,既能对新进入
监控区域的目标粒子及时的建立,又能对离开监控区域的目标粒子及时消除,解决了因为车辆交叉时计算粒
收稿日期:
2012-01-20
基金项目:河北省自然科学基金(
F2012208004)
作者简介:韩明(
1984
-),男(汉族),博士生.
第
41
卷第
5
期
Vol.41
No.5
河北工业大学学报
JOURNAL OF HEBEi UNIVERSITY
OF
TECHNOLOGY
文章编号:
I
007-23
73
(2012)
05-0015-05
、平
适用于多目标跟踪的
MSPF
算法研究
韩
明
l
,刘教民
I.
2
,王震洲
2
,王静云
3
2012
年
10
月
October 2012
(
I.
燕山大学信息科学与工程学院,河北秦皇岛,
066004;
2.
河北科技大学信息科学与工程学院,河北石家庄
050018;
3.
河北省纺织纤维砍忏质量认证咨询中心,河北石家庄
050091
)
摘要
针对背景发生变化和目标遮挡时多目标跟踪的实时效果差和准确性低的问题,提出了均值漂移与粒子滤波
相融合(
Mean
sh
的
particle
filter,
MSPF
)多目标跟踪算法.在
PF
理论框架下,使用均值漂移对随机粒子样本进
行重新分配,使粒子向目标状态的最大后验核密度估计方向移动,在均值漂移迭代过程中对样本权值进行史新;
最后利用均值漂移算法的迭代运算和运动目标前一帧和当前帧的关系得到目标在下一帧的位直.实验结采表明该
算法和传统的均值漂移算法相比具有更准确的跟踪结果,对于背景更新和目标遮挡的视频序列具有史强的鲁棒性.
关键词
多目标跟踪;均值漂移;粒子滤波;目标遮挡;最大后验核密度估计
中图分类号
TP301
文献标志码
A
Research on MSPF algorithm for multi-target tracking
HAN
Ming1,
LIU
Jiao-min1·
2,
WANG Zhen-zhou2, WANG
Jing-yun3
(
I.
College
of
Information
Science
and
Engineeri
吨,
Yanshan
University,
Hebei
Qinhuangdao
066004,
China;
2.
Institute
of
Information
Science
and
Engineering,
Hebei
University
of
Science
and
Technology,
Hebei
Shijiazhuang
050018,
China;
3.
Textile
Fiber
Jiuqian
Quality
Certification
Consulting
Center
of
Hebei
Province,
Hebei
Shijiazhuang
050091,
China)
Abstract
In
view
of
the the low accuracy and poor real-time effect
of
multi-target
仕
acking
when the background changes
with object occlusion, we propose a multi-target tracking algorithm based on fusion
of
Mean-Shift and Particle Filter
(MSPF). With the theoretical framework
of
Particle Filter (PF), the mean shift is introduced to redistribute random
sample particles, in which particles move toward the maximal posterior kernel density estimation
of
target state, the
weights
of
particle samples are updated as the mean shift iterative operating. Finally,
to
obtain the position
of
the target
in
next
仕
ame,
we choose
to
use mean shift iterative operation and the relationship
of
moving target
in
the prior and
cuηent
丘
ame.
Experimental results show that our algorithm obtains more accurate tracking results than traditional mean-shift and
has better robustness for background updating and occlusion.
Key words multi-target tracking; mean shift; particle filter; occlusion; maximal posterior kernel density estimation
。
引言
视频序列中运动目标检测与跟踪一直是计算机视觉和机器视觉研究的重点和热点,并且多目标跟踪在智
能监控、图像处理、虚拟现实、智能交通系统等领域都有着广泛的研究和应用.目前对于目标遮挡、目标分
离、目标形变以及背景发生变化等问题的研究一直是多目标跟踪中的难点[
I].
均值漂移(
mean
shift, MS)
和粒子滤波(
particle
filter,
PF
)己被广泛的应用到了目标跟踪领域[
2-4
],近年来,将二者结合用于多目标跟
踪在国内外也有研究,并取得了积极地研究成果,但是对于背景发生变化时的多目标跟踪则有待进一步研究.
文献[
5
]利用粒子滤波对视频图像中目标进行跟踪,但是粒子滤波主要面向非线性、非高斯性的目标跟
踪,并且该方法计算量大、效率低,因此对复杂场景下多目标跟踪的准确性和鲁棒性具有很大的影响.文献
[6
]提出了一种基于粒子滤波的多目标跟踪算法,在跟踪过程中进行粒子和图像空间的映射,既能对新进入
监控区域的目标粒子及时的建立,又能对离开监控区域的目标粒子及时消除,解决了因为车辆交叉时计算粒
收稿日期:
2012-01-20
基金项目:河北省自然科学基金(
F2012208004)
作者简介:韩明(
1984
-),男(汉族),博士生.