基于kalman预测和自适应模板的目标相关跟踪研究

陈少华，闫钧华，朱智超，孙思佳

（南京航空航天大学 航天学院，江苏 南京 210016）

目标跟踪越来越广泛的应用于军事和民用领域，例如航空和军用飞行器的精确制导系统、机载红外跟踪报警系统、重要场所的保安、汽车的自动驾驶或者辅助驾驶等。目标跟踪算法基本可分为：直接利用目标的灰度信息进行模板相关匹配跟踪；先检测后跟踪；基于目标运动估计的跟踪等。其中基于模板匹配的相关跟踪算法具有较强的局部抗干扰能力，稳定性能好，能适应较复杂的环境等而被广泛应用[1-2]。

在图像背景复杂的条件下，尤其是在连续帧动态图像跟踪中，图像的匹配变得相对困难。此时被跟踪目标不是一成不变的，可能有尺度的伸缩、位置的平移、角度的旋转等变化，因此需要研究一种方法对下一帧图像中目标的状态进行预测，从而缩小在整个图像上目标检测的搜索范围，以满足目标跟踪的实时性。同时跟踪算法需要采取自适应模板更新策略，对模板进行更新，以提高目标跟踪的稳定性[3]。

文中首先研究了kalman用于目标预测的方法，在此基础上研究了一种自适应模板的更新策略及实现方法，用来解决连续帧动态图像跟踪中由于目标的形变、大小、位置随时间变化而引起的目标跟踪点漂移。实验结果表明，该方法在连续帧动态图像跟踪过程中，能够对目标进行稳定跟踪，算法的实时性能较好。

1 基于kalman的目标预测

目标跟踪的关键技术在于能够从图像中检测提取目标，并将其与被跟踪目标建立对应关系。……