基于特征点的运动汽车跟踪算法研究

王进花 曹洁

(兰州理工大学 电气工程与信息工程学院，甘肃 兰州 730050)

0 引言

在视觉目标跟踪算法中，实时性和准确性是衡量算法好坏的两个重要指标，已有的跟踪算法归纳起来主要有［1］［2］:基于 3D立方体模型的跟踪算法，基于变形模型的跟踪算法，基于区域的跟踪算法，基于光流的跟踪方法以及基于特征的跟踪算法等。这些算法都有各自优势，但是在复杂背景中，目标存在遮挡或阴影干扰时，要实现对运动目标准确、实时地跟踪，是目前目标跟踪中需要解决的难点问题。

本文采用特征点结合自适应卡尔曼滤波(AKF)算法实现运动汽车跟踪。考虑到跟踪的实时性，首先，在目标定位时通过卡尔曼滤波算法估计目标在下一帧图像中的位置，减小搜索范围，提高运算速度;然后，在预测位置范围内提取车辆特征点，将目标当前候选特征点与模板特征点进行匹配，确定目标的精确位置，提高跟踪的准确性。通过交通视频仿真实验，证明该算法在快速跟踪机动目标时效果较好。

1 汽车运动模型和滤波算法

1.1 汽车运动模型

近年来，国内外学者专家对目标运动模型做了大量的研究并取得了诸多成果，其中“当前”统计模型［3，4］得到了越来越广泛的应用。此模型的思想是:当目标正在以某一加速度机动时，加速度在下一时刻的取值是有限的，并且只能在“当前”加速度的邻域内。其本质上是非零均值时间相关模型，加速度的“当前”概率密度符合瑞利分布，均……