２０１２年第７期 文章编号：１００９—２５５２（２０１２）０７—０１６５—０５ 中图分类号：ＴＰ３９１．４１ 文献标识码：Ａ 基于改进的Ｃａｍｓｈｉｆｔ运动目标跟踪算法的研究 赵文倩，匡逊君，李明富 （湘潭大学机械工程学院，湖南湘潭４１１１０５） 摘要：针对基于颜色概率分布的连续自适应均值漂移算法（Ｃａｍｓｈｉｉｆ）跟踪算法在背景中出现 相同颜色干扰时容易致使跟踪目标失败的问题，提出了一种改进的Ｃａｍｓｈｉｆｔ跟踪算法。首先对 Ｃａｍｓｈｉｉ跟踪目标前进行目标检测，通过帧差法、光流法、背景差分法三种检测算法对比，采用 ｆ背景差分法得到的运动目标区域矩形特征参数作为Ｃａｍｓｈｉｆｔ的初始化参数，取代一般Ｃａｍｓｈｉｆｔ算 法利用颜色特征的跟踪。最后对改进的算法和一般Ｃａｍｓｈｉｉ进行仿真对比实验。实验结果表明，ｆ 结合背景差分法和连续Ｃａｍｓｈｉｉ算法的运动目标跟踪在一定程度上满足了实时性与稳定性的 ｆ要求。 关键词：连续自适应均值漂移算法；背景差分法；运动目标；跟踪 Ｍｏｖｉｎｇ ｏｂｊｅｃｔ ｔｒａｃｋｉｎｇ ｂａｓｅｄ ｏｎ ｉｍｐｒｏｖｅｄ Ｃａｍｓｈｉｆｔ ａｌｇｏｒｉｔｈｍ ＺＨＡ０ Ｗｅｎ—ｑｉａｎ。ＫＵＡＮＧ Ｘｕｎ－ｊｕｎ。ＬＩ Ｍｉｎｇ．ｆｕ （Ｓｃｈｏｏｌ ｏｆＭｅｃｈａｎｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｘｉａｎｇｔａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉａｎｇｔａｎ ４１１１０５，Ｈｕｎａｎ Ｐｒｏｖｉｎｃｅ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｃａｍｓｈｉｉｆ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｐｒｏｂａｂｉｌｉｔｙ ｄｉｓｔｉｒｂｕｔｉｏｎ ｏｆ ｃｏｌｏｒ ｗｅｒｅ ｓｕｓｃｅｐｔｉｂｌｅ ｔｏ ｂｅ ｉｎｔｅｒｆｅｒｅｄ ｂｙ ｔｈｅ ｓａｍｅ ｃｏｌｏｒ ｉｎ ｔｈｅ ｂａｃｋｇｒｏｕｎｄ，ｔｈａｔ ｌｅａｄ ｔｏ ｔｈｅ ｆａｉｌｕｒｅ ｏｆ ｔｒａｃｋｉｎｇ ｈｅ ｔｔａｒｇｅｔ．Ｔｏ ａｄｄｒｅｓｓ ｈｉｓ ｐｒｏｂｌｅｍ，ｉｔｔ ｐｒｅｓｅｎｔｅｄ ａｎ ｉｍｐｒｏｖｅｄ Ｃａｍｓｈｉｆｔ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｈｍ．Ｆｉｒｓｔｌｙ ｄｅｔｅｃｔｉｔｎｇ ｔａｒｇｅｔ ｂｅｆｏｒｅ Ｃａｍｓｈｉｆｔ ａｌｇｏｒｉｈｍ ｔｔｒａｃｋｉｎｇ，ｃｏｍｐａｒｉｓｉｎｇ ｔｈｒｅｅ ｄｅｔｅｃｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ，ｔｈｅ ｆｒａｍｅ ｄｉｆｆｅｒｅｎｃｅ ｍｅｔｈｏｄ，ｏｐｔｉｃａｌ ｌｏｗ ｍｅｔｆｈｏｄ，ｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｄｉｆｆｅｒｅｎｃｅ ｍｅｔｈｏｄ ｇｅｔｔｉｎｇ ｔｈｅ ｒｅｃｔａｎｇｕｌａｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ ｏｆ ｍｏｖｉｎｇ ｔａｒｇｅｔ ａｒｅａ ｕｓｉｎｇ ｂａｃｋｇｒｏｕｎｄ ｄｉｆｆｅｒｅｎｃｅ ｍｅｔｈｏｄ ａｓ ｔｈｅ Ｃａｍｓｈｉｉ ｉｎｉｔｉａｌｉｚａｔｉｏｎ ｐａｒａｍｅｔｅｒｓ，ｔｈａｔ ｈａｄ ｆｒｅｐｌａｃｅｄ ｔｈｅ ｇｅｎｅｒａｌ Ｃａｍｓｈｉｆｔ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ｕｓｉｎｇ ｃｏｌｏｒ ｆｅａｔｕｒｅｓ．Ｆｉｎａｌｌｙ，ｉｔ ｍａｋｅｓ ｃｏｍｐａｒａｔｉｖｅ ｅｘｐｅｒｉｍｅｎｔｓ ｂｅｔｗｅｅｎ ｔｈｅ ｉｍｐｒｏｖｅｄ ａｌｇｏｒｉｔｈｍｓ ａｎｄ ｇｅｎｅｒａｌ Ｃａｍｓｈｉｆｔ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ， ｃｏｍｂｉｎｅｄ ｗｉｈ ｔｔｈｅ ｂａｃｋｇｒｏｕｎｄ ｄｉｆｆｅｒｅｎｃｅ ｍｅｔｈｏｄ ａｎｄ ｔｈｅ ｃｏｎｔｉｎｕｏｕｓ Ｃａｍｓｈｉｆｔ ａｌｇｏｒｉｈｍ ｆｔｏｒ ｔｒａｃｋｉｎｇ ｏｆ ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ，ｔｏ ｓｏｍｅ ｅｘｔｅｎｔ ｉｔ ｃａｎ ｍｅｅｔ ｔｈｅ ｒｅａｌ—ｔｉｍｅ ａｎｄ ｓｔａｂｉｌｉｔｙ ｒｅｑｕｉｒｅｍｅｎｔｓ． Ｋｅｙ ｗｏｒｄｓ：Ｃａｍｓｈｉｌ；ｂａｃｋｇｒｏｕｎｄ ｄｉｆｆｅｒｅｎｃｅ ｍｅｔｈｏｄ；ｍｏｖｉｎｇ ｏｂｊｅｃｔｓ；ｔｒａｃｋｉｎｇ ０ 引言 目标检测与跟踪是计算机视觉领域的一项重要 （Ｃｏｎｉｎｕｏｕｓｌｙ Ａｄａｐｔｉｖｅ Ｍｅａｎ Ｓｈｉｆｔ）算法即以颜色直 方图为目标模式的目标跟踪算法，可以有效地解决 目标变形的问题，且在简单背景环境中能够取得较 好的跟踪效果，但是在复杂背景中不能解决大面积 任务，融合了图像处理、模式识别、自动控制、人工智 能等多种技术。所谓目标跟踪，就是在一段图像序 列的每一帧图像中找到所感兴趣的目标所处的位 置…。在自动监控、视频索引、人机交互、车载导 同色干扰的问题。比如两个相同颜色物体交叉时， 导致跟踪失败。初红霞 等提出了帧问差分法和 Ｃａｍｓｈｉｆｔ结合的算法，能够有效地解决此问题，但帧 收稿日期：２０１２—０２—２２ 作者简介：赵文倩（１９８７一），女，硕士研究生，研究方向为计算机 视觉。 １６５— 航、流量监控等领域有着重要的实用价值和广阔的 发展前景。 近年来，在颜色、边缘、光流和纹理这些特征中， 颜色是目标跟踪中使用最广泛的特征 Ｊ。ＣａｍＳｈｉｉｆ 一间差分提取的目标轮廓不连贯，区域信息获取不完 整，可能导致跟踪区域发散。由于背景差分法能够 过程，检测是跟踪的基础。检测方法有差分法、光流 法、基于统计模型的方法、基于主动轮廓线的方法、 基于高阶统计（ＨＯＳ）的方法以及基于小波的方法 等。用得最普遍的算法有三种：帧间差分法、光流法 和背景差分法，本文主要分析这三种检测算法。 １．１帧差法 提取目标的整个区域，能获取较完整的区域信息。 本文提出了背景差分和Ｃａｍｓｈｉｆｔ算法相结合的 算法。 １ 目标检测算法 目标检测即从序列图像中将与背景存在相对运 动的前景提取出来，并根据灰度、边缘、纹理等二维 帧差法是利用视频序列中连续的两帧或几帧图 像的差异来进行检测和提取。基本的帧差法的基本 过程如图１所示 Ｊ。帧差法检测效果如图２（ｂ） 所示。 图像特征将运动前景进一步分割为若干独立目 标 ］。运动目标的检测与跟踪是紧密关联的两个 图１帧差法原理流程 １．２光流法 的累积获得的：首先取一段没有运动物体视频序列， 用ｓ（ ，Ｙ）表示此背景图像序列中位于（ ，Ｙ）的像素 光流法检测运动目标的基本原理是－５ｊ：给图像 中的每一个像素点赋予一个速度矢量，这就形成了 一值的和，用Ｊｓ （ ，Ｙ）表示此背景图像序列中位于 （ ，Ｙ）的像素值平方的和，即： Ｓ（ｘ，ｙ）：Ｊ （ ，Ｙ）＋ （ ，Ｙ）＋１３（ ，Ｙ）＋…＋ （ ，Ｙ） （３） Ｓｑ（ ，Ｙ）＝ （ ，Ｙ）＋ （ ，Ｙ）＋ （ ，Ｙ）＋…＋ （ ，Ｙ） （４） 个图像运动场，在运动的一个特定时刻，图像上的 点与二维物体上的点一一对应，这种对应关系可由 投影关系得到，根据各个像素点的速度矢量特征，就 可以对图像进行动态分析。如果图像中没有运动目 标，则光流矢量在整个图像区域是连续变化的，当物 体和图像背景存在相对运动时，运动物体所形成的 速度矢量必然和邻域背景速度矢量不同，从而检测 出运动物体的位置。光流法检测效果如图２（ｃ） 所示。 高斯背景模型的均值和方差分别为 ｍ（ ）： （５） １．３背景差分法 （ ，ｙ）＝ ｇ （ 芙 一ｍ （ ，），）） （６） Ⅳ表示累计的背景图像张数。 随着时间的推移，背景会发生变化。如果一直 使用最初的背景模型，长时间就会发生比较大的误 差，就需要采用自适应的背景模型更新公式对背景 更新。使用的自适应背景模型更新的公式是： ，背景差分法适合于静态背景，利用公式（１）将 当前帧图像与背景图像进行差分运算。用公式（２） 来判断，若差分图像二值化后大于某阈值，认为该像 素点属于运动目标区域，否则属于背景区域 。阈 值操作后直接给出目标位置、形状等信息。该算法 计算比较简单，但是对场景的动态变化比较敏感。 背景差分法的关键问题是如何建立有效的背景模型 以及进行背景模型更新。 差分公式： Ｄ （ ，Ｙ）：ｌ （ ，Ｙ）一日 （ ，Ｙ）ｌ 阈值判断： ＝Ｉ／ｔ＇ ＋１（ ，Ｙ）＝（１一 ）×，孔 （ ，Ｙ）＋ ×Ｉｋ（ ，Ｙ）， ２ ｉｆＲ （ ，Ｙ）≠０ （７） 【ｍ （ ，Ｙ）＝ｍ （ ，Ｙ），ｉｆ Ｒ （ ，Ｙ）＝Ｏ （１） ｒ ２ ＋１（ ，Ｙ）＝（１一 ）Ｘ （ ，Ｙ）＋ ×［ｍ（ｘ，Ｙ）一 ｛； 茎 Ｊ Ｉｋ（ｘ，Ｙ）］ ，ｉｆ Ｒ （ ，Ｙ）≠０ （８） 【 ２…（ ，Ｙ）： ：（ ，Ｙ），ｉｆ Ｒ （ ，Ｙ）＝０ 表示更新快慢的更新因子，０＜ ＜ｚ。在使用 自适应背景模型更新算法时，需要注意两个问题： 其中 为当前帧图像，Ｄ 为差分图像， 为二值化 图像， 为背景图像。 背景模型的构建是通过对一段时间内背景图像 ４ 结束语 ｆｏｒｍ［Ｃ］．Ｐａｔｔｅｒｎ．Ｒｅｃｏ—ｇｎｉｉｆｏｎ，２００４．Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆｔｈｅ １７ｔｈ Ｉｎｔｅｒ－ 文中提出了基于背景差分检测的Ｃａｍｓｈｉｆｔ目标 ｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ，２００４，Ｉ（４）：２１５—２１８ ［６］朱明旱，罗大庸，曹倩霞．帧间差分与背景差分相融合的运动目 跟踪算法。通过背景差分对运动目标进行了较好地 标检测算法［Ｊ］．计算机测量与控制，２００５，１３（３）：２１５—２１７． 定位，克服了一般Ｃａｍｓｈｉｆｔ算法需要人工定位的缺 ［７］ＢｒａｄｓｋｉＧＲ．ＣｏｍＰｕｔｅｒ ｖｉｓｉｏｎ ｆａｃｅ ｔｒａｃｋｉｎｇ ａｓ ａ ｃｏｍｐｏｎｅｎｔ ｏｆ ａ Ｐｅｒ－ 点。在跟踪过程中又通过背景差分确定了目标的运 ｃｅｐｔｕａｌ ｕｓｅｒ ｉｎｔｅｒｆａｃｅ［Ｃ］／／Ｐｒｏｅｅｅｄｉｎｇｓ Ｆｏｕｒｔｈ ＩＥＥＥ Ｗｏｒｋｓｈｏｐ Ａｐ— 动区域，克服了Ｃａｍｓｈｉｆｔ算法在跟踪过程中易发散 ｐｌｉｅａｔｉｏｎｓ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ．Ｂｅｒｌｉｎ，Ｇｅｒｍａｎｙ，１９９８：２１４—２１９． 的缺点。但是文中也有需要改进的地方，如目标运 ［８］左军毅，梁彦，潘泉，等．基于多个颜色分布模型的ｅａｍｓｈｉｆｔ跟踪 算法自动化学报［Ｊ］．２００８，１３４（７）：７３６—７４２． 动过快时，容易丢失跟踪目标的情况等。 ［９］Ｇａｒｙ Ｒ Ｂｒａｄｓｋｉ．Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ Ｆａｃｅ Ｔｒａｃｋｉｎｇ Ｆｏｒ Ｕｓｅ ｉｎ ａ Ｐｅｒｃｅｐ－ 参考文献： ｔｕａｌＵｓｅｒ Ｉｎｅｆｆａｃｅ［Ｊ］．Ｉｎｔｅｌ Ｔｅｃｈｎｏｌｏｇｙ Ｊｏｕｒｎａｌ，１９９８（Ｑ２）：１—１５ ［１］伍友龙，朱志勇．基于Ｃａｍｓｈｉｉｆ与Ｋａｌｍａｎ的目标跟踪算法［Ｊ］． ［１Ｏ］“ｕ Ｑｉａｎｇ，Ｃａｉ Ｃａｎｈｕｉ．Ｄｕｅｌ Ｓｅａｒｃｈ Ｗｉｎｄｏｗ Ｂａｓｅｄ Ｆａｃｅ Ｔｒａｃｋｉｎｇ 微计算机信息，２０１０，２６（３３）：２３—２４． ［ｃ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ ｓｉ ａ１ Ｐｒｏｃｅｓｓｉｎｇ ａｎｄ ［２］Ａｌｐｅｒ Ｙｉｌｍａｚ．Ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ：Ａ Ｓｕｒｖｅｙ［Ｊ］．ＡＣＭ Ｃｏｍｐｕｔｉｎｇ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ，２００６：２７９—２８２． Ｓｕｒｖｅｙｓ，２００６，３８：４，Ａｒｔｉｃｌｅ １３． ［１１］Ｍａｔｈｉａｓ Ｋｏｌｓｃｈ，Ｍａｔｔｈｅｗ Ｔｕｒｋ．Ｆａｓｔ ２Ｄ Ｈａｎｄ Ｔｒａｃｋｉｎｇ ｗｉｔｈ Ｆｌｏｃｋｓ ［３］初红霞，宋起超，王希凤．基于帧间差分与ｅａｍｓｈｉｆｔ相结合的目 ｏｆ Ｆｅａｔｕｒｅｓ ａｎｄ Ｍｕｌｔｉ—Ｃｕｅ Ｉｎｔｅｇｒａｔｉｏｎ［Ｃ］．ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ 标跟踪算法［Ｊ］．弹箭与制导学报，２００８，２８（３）：８５—８８． Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ Ｗｏｒｋｓｈｏｐｓ， ［４］胡鹏．Ｋａｌｍａｎ滤波在视频目标跟踪中的应用研究［Ｄ］．学位论 ２００４：２—２０． 文，重庆：重庆大学，２０１０． 责任编辑：肖滨 ［５］Ｊｉｅ Ｓｈａｏ，Ｚｈｏｕ Ｓ Ｋ，Ｑｉｎ ｆｅｎ Ｚｈｅｎｇ．Ｍｏｖｉｎｇ Ｏｂｊｅｃｔ ｆｒｏｍ Ｍｏｖｉｎｇ Ｐｌａｔ 杨学山出席第十六届中国国际软件博览会 第十六届中国国际软件博览会日前在北京展览 发。引导创新要素向企业集聚，推动建立以企业为 馆开幕。工业和信息化部副部长杨学山出席开幕式 主体的创新体系。按差异化发展战略，实施“核高 并致辞。 基”重大专项和电子发展基金项目，重点突破云计 杨学山在致辞中表示，近年来，以云计算、物联 算、移动互联网和物联网关键软件技术。 网和移动互联网为代表的新一代信息技术，正在对 三是培育龙头骨干企业，深化产业链协作。加 软件产业带来一系列深刻变化，开放式创新、产业链 强分类指导，着力培育一批管理水平先进、创新能力 垂直整合、技术与业务深度融合成为新时期软件产 强、规模效益好、市场竞争力强的龙头企业。引导骨 业发展的重要特点。加快发展软件产业，成为许多 干企业发挥辐射带动作用，为小型微型企业和新创 国家引领科技发展、提升国家竞争力的有效手段。 企业营造良好的创新环境。 为推动工业转型升级、推进两化深度融合、实现经济 四是优化产业布局，推动产业集聚发展。大力 稳中求进，我们要认真贯彻落实国发４号文件，按照 推进中国软件名城、软件和信息服务业示范基地建 《工业转型升级规划（２０１１—２０１５）》、《信息产业“十 设，推动软件业在主要城市的集聚发展和变大变强。 二五”发展规划》的总体部署，进一步完善产业发展 五是加快培育新兴业态，不断拓宽应用市场。 环境，加强技术创新、商业模式创新和体制机制创 把握ＩＣＴ融合趋势，支持信息技术服务业务支撑工 新，加快拓宽应用市场，推动软件和信息技术服务业 具研发和服务产品化，加快培育下一代互联网、移动 做大做强。 互联网、物联网等环境下的新兴服务业态。 一是抓好政策和规划落实，引导产业健康快速 六是加强标准制定和市场秩序规范，优化产业 发展。结合产业新情况，重点推进国发４号文件财 发展环境。围绕需求、统筹安排、急用先行，推进软 税等相关政策的贯彻落实工作。着力抓好软件和信 件产业、应用、信息技术服务和工业软件等方面重点 息技术服务业、信息安全产业等“十二五”规划 标准研究制订。做好软件正版化工作，加大打击盗 落实。 版侵权行为力度，着力营造软件市场公平竞争秩序。 二是加强创新体系建设，推进核心关键技术研 一ｌ６９—
