基于在线支持向量机的Mean Shift彩色图像跟踪

郭敬明，何 昕，魏仲慧

（1.中国科学院 长春光学精密机械与物理研究所，吉林 长春，130033；2.中国科学院大学，北京100049）

1 引 言

目标跟踪广泛应用于智能视频监控、智能机器人及国防安全方面等领域。如何在视频序列中对目标进行稳健、实时跟踪，是计算机视觉领域的热点问题。稳健性要求算法能够克服光照、姿态变化，目标快速运动，部分遮挡等干扰因素的影响；实时性要求算法必须有较高的搜索效率，计算耗时少，其实质是如何在当前帧内快速运算锁定目标。

文献［1］将目标跟踪算法分为两类：一类是基于“滤波、数据关联”的跟踪方法，代表为粒子滤波［2］（particle filter）及其改进算法［3－5］；一类是基于“目标建模、定位”的跟踪方法，代表为Mean Shift［6］及其改进算法［7－8］。由于粒子滤波收敛速度慢，算法复杂度与粒子数成正比，且过多依赖参数，而Mean Shift是一种基于核密度估计的无参数的、基于微分方法的模式匹配搜索算法，计算复杂度低，具有很好的实时性，因此在目标实时跟踪系统中应用越来越广泛［9－15］。

尽管Mean Shift应用十分广泛，但有两个基本的缺陷：（1）目标模板只能从单一图像建立；（2）模板很难自适应更新。针对以上问题，相关学者提出了多种改进方案。文献［5］提出用Mean Shift与粒子滤波相结合的多模式融合跟踪算法，分别跟踪后，采用加权参考函数定位目标，但粒子滤波器的复杂计算降低了系统的实时性。文献［12］提出在线特征选择机制来对特征进行排序，选择区分能力最强的特征来建立模板，将颜色R、G、B特征以不同权值组合找到具有更具判决能力的特征，这样也将大大增加算法的复杂度。……