基于均值漂移的车辆追踪研究

广东工业大学自动化学院 谢晶梅 宋亚男 徐荣华



基于均值漂移的车辆追踪研究

广东工业大学自动化学院 谢晶梅 宋亚男 徐荣华

【摘要】针对现实世界的立体环境在平面的图像帧中呈现的视频分辨率低、不规则的目标运动及信息缺少丢失等，提出均值漂移算法对视频运动多车辆的场景进行追踪。首先对均值漂移算法在多车辆追踪过程中的目标模型、候选模型、相似性函数、目标定位以及均值漂移算法流程分别进行了介绍，最后对仿真结果进行了分析。

【关键词】车辆追踪；核密度估计；均值漂移

0 引言

运动目标跟踪就是在一段序列图像中的每幅图像中实时地找到所感兴趣的运动目标总体来说有两种思路：（1）不依赖于先验知识，直接从图像序列中检测到运动目标，并进行目标识别，最终跟踪感兴趣的运动目标；（2）依赖于目标的先验知识。现有的跟踪方法分为基于特征、模型、区域、主动轮廓模型和预测的方法。主要包括以下几种方法[1~4]：（1）基于特征的跟踪方法；（2）基于模型的跟踪方法；（3）基于区域的跟踪方法和（4）基于主动轮廓模型的跟踪方法。

1 算法设计

1.1 目标模型

1.2 候选模型

1.3 相似性函数

相似性函数是用来表示候选模型和目标模型之间关系的，即目标模型与候选模型之间的相似度。将两个离散分布之间距离作如下定义：

2 仿真分析

本节实验在VS2008和OPencv2.3.1环境下进行，采用视频帧率为30帧/秒，320*240图像序列，追踪效果如图1所示。

图1 均值漂移算法追踪效果图

从上面均值漂移算法追踪效果图可以看出，在普通的光照背景下，当车辆没有被遮挡或发生相互遮挡时，均值漂移算法能够较好的实现运动多车辆的追踪，具有良好的稳定性和准确性。

3 结语

本文将均值漂移算法应用到运动目标的追踪上，然后对均值漂移算法的目标追踪流程进行了介绍，通过仿真证明了追踪效果是良好的。

参考文献

[1]Blackman S S.Multiple hypothesis tracking for multiple target tracking[J].Aerospace and Electronic Systems Magazine, IEEE,2004,19(1):5-18.

[2]范志强.基于全景子空间的尺度不变特征跟踪方法[J].北京航空航天大学学报,2011,37(9):1181-1185.

[3]Lowe D G.Object recognition from local scale-invariant features[C]//Computer vision,1999.The proceedings of the seventh IEEE international conference on. Ieee,1999,2: 1150-1157.

[4]Ulker Y,Gunsel B.Multiple model target tracking with variable rate particle filters[J].Digital Signal Processing,2012, 22(3):417-429.

谢晶梅（1991－），女，江西赣州人，硕士研究生，研究方向：模式识别。

宋亚男（1976－），女，副教授，主要研究方向：智能优化算法与控制系统仿真、机器视觉等。

徐荣华（1978－），男，讲师，博士，主要从事自动化装备研究。

作者简介：