多特征提取的红外和可见光目标跟踪方法

赵高鹏，薄煜明，陈益

(南京理工大学 自动化学院，江苏 南京210094)

可见光传感器具有分辨率高、成本低的特点，因此大量跟踪算法的研究［1-3］都是针对可见光传感器的，然而其性能易受光照变化、阴影的影响。红外传感器的成像依赖于物体的辐射，对光照和阴影变化具有鲁棒性，但也存在自身的缺点，如信噪比低，在明暗对比强烈处存在光晕现象，缺乏纹理特征。将2 种传感器结合用于图像序列的目标跟踪，可以降低跟踪难度，扩大跟踪系统的应用范围，提高跟踪系统的准确性和稳定性。

在复杂环境条件下，基于单一特征的目标描述很难对所有场景的变化都保持鲁棒，从而影响跟踪算法的稳定性;利用多个具有互补性的目标特征描述同时对目标进行观测，可靠的得到目标状态，可以更好的适应场景的变化，得到鲁棒的跟踪结果。很多学者进行了这方面的研究［4-6］，从这些研究成果中可知，基于多特征融合的跟踪方法较单一特征的跟踪算法具有明显的优势。

核概率密度估计的Mean Shift 跟踪方法具有特征稳定、实时性好、鲁棒性强等优势，在图像序列目标跟踪中得到了广泛的应用［3，7-8］，但基本的Mean Shift 方法及其改进方法大多仅采用了单一的特征。文献［7］提出了一种在线选择多特征的均值漂移目标跟踪方法，但该方法本质上只利用了目标的颜色信息; 文献［8］利用颜色和纹理特征来提高均值漂移方法的鲁棒性，该方法权值选取困难，算法复杂度较高。

在……