复杂背景下的运动目标跟踪技术研究

周庆芳

【摘 要】随着社会发展需要，基于算法的视频跟踪成为一个软件研发热点。而Camshift算法作为一种低资源消耗，高可扩展性的算法，是目前视频跟踪算法研究的热点之一，对于需要低成本大范围运行的视频跟踪系统提供了一种有效的解决方案。

【关键词】运动目标跟踪;Mean shift;Camshift

1.视频跟踪概述

视频目标跟踪是计算机视觉研究领域的核心要点之一，其研究成果在诸多领域有非常广泛的实际应用。随着社会生产设备的升级，越来越多的视频捕捉设备被应用到生活中，仅2011年，上海市仅为治安监控就设置了超过4000人的专职视频监控人员，而在其他地区，人均摄像头比例有的竟高达1：15。计算机视频处理能发现运动对象同时进行跟踪，准确标示目标在画面中的位置，并且随着画面内容同步跟进，可以在预先设置好警报事件的情况下为触发警报的事件报警。

2.Camshift算法简介

英国萨利大学的的研究成果TLD被认为是目前最高效的视频目标跟踪算法，然而该算法是一个面对高配置精确单目标跟踪的高效算法，却不是一个普适解决方案。大部分问题都没有一个普适的最优解，实际问题情况复杂，没有算法时间空间下界的标准，因此，视频目标跟踪的研究和开发工作依然存在着非常巨大的延伸空间。连续自适应的Mean Shift算法（Continuously Adaptive Mean-SHIFT algorithm），最初是Gary、Bradski等人1999年提出的基于mean shift算法的一种人脸追踪算法。实际上，Camshift算法是Mean Shift算法的一个改进，除了面部跟踪，它在其他跟踪问题中依然能达到较好的跟踪效果。

3.算法流程及实现

Camshift算法过程可以如下描述：

（1）读取第一帧视频图像，将RGB颜色模式转换为HSV颜色模式，提取出其中的Hue颜色分量。

（2）外界干预选择确定初始目标及其区域，并以此区域初始化搜索框，统计目标区域的Hue色相直方图。（如图1 （a））

（3）以搜索框中心为圆心，根据目标区域的色相概率标注搜索半径内的像素矩阵，转换该范围内图像为反向投影图。（如图1 （b））

（4）对（3）得到的反向投影图用Mean Shift算法计算出搜索窗新的质心位置，移动搜索框的中心到新计算的质心位置，并更新搜索框大小。

（5）获取下一帧图像，用前一帧计算得到的搜索框的中心和大小来初始化当前帧的搜索框，统计目标区域的Hue色相直方图，转到（3）图直到目标离开视频画面或视频画面序列结束。（如图1）

Camshift算法可以用的是基于C的OpenCV库代码，OpenCV对Camshift主要函数Mean Shift和求反向投影图函数有良好的优化封装，执行效率较高，而且执行速度快。

4.本章小结

Camshift算法对背景复杂的彩色视频适应性强，效率较高，算法流程清晰易懂，具有良好的扩展性。Camshift算法不需要预读取整个视频系列，可以逐帧进行，节省存储空间，同时能实现实时采集系统的跟踪功能。同时其Mean Shift算法可证明在有限次迭代后总可以得到收敛的结果。

所以Camshift算法作为一种低资源消耗，高可扩展性的算法，是目前视频跟踪算法研究的热点之一，对于需要低成本大范围运行的视频跟踪系统提供了一种有效的解决方案。

【参考文献】

[1]薛牧青.外媒关注中国大规模安装摄像头[N].青年参考，2011年08月10日 （24 版）

[2]Kalal Z， Mikolajczyk K， Matas A J. Tracking-Learning-Detection[J].IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE， 2010.6（1）：1-14

[3]袁国武. 智能视频监控中的运动目标检测和跟踪算法研究[D]. 云南大学， 2012

[4]刘艳丽， 唐先琪， 陈跃东. 基于改进Camshift的运动目标跟踪算法应用研究[J].安徽工程大学学报，2012.27（2）：74-77

[5]文志强，蔡自兴. MeanShift算法的收敛性分析[J]. Journal of Software，2007.2（18）：205-212