移动目标跟踪的多特征融合算法综述

宁德师范学院　杨慧玲

移动目标跟踪的多特征融合算法综述

宁德师范学院杨慧玲

对于复杂情形下的视频目标识别、跟踪问题，依靠单一特征往往是不充分和不稳定的。利用多特征信息融合，可以有效提高跟踪效果。本文首先简要介绍了特征信息的分类和提取方法，然后对现有的面向移动目标跟踪领域中多特征融合方法进行分类总结。最后，讨论这些方法所存在的问题，并指出今后研究的发展方向。

目标跟踪；多特征融合；贝叶斯网络；粒子滤波；卡尔曼滤波

1　引言

目标跟踪问题的研究是计算机视觉领域的一个重要研究课题，近几十年来，随着卡尔曼滤波算法（KF）、扩展卡尔曼滤波算法（EKF）、粒子滤波（PF）、均值迁移等各种算法的发展，跟踪算法也得到了长足的进步。然而，值得注意的是目前很多跟踪方法都是基于单一特征的跟踪方法。对于复杂情形下的视频目标识别、跟踪问题，例如光照变化、背景复杂，目标与背景色相近，目标形状变化、被遮挡等，很难取得良好的效果。融合多种特征，使特征之间取长补短，是解决这一问题的有效手段。本文主要介绍目标跟踪领域中常见的几类多特征融合方法，详细分析其优缺点，最后讨论现有融合方法存在的问题和今后研究的方向。

2　特征信息的分类和提取

在实际跟踪过程中，常使用颜色、边缘、纹理、运动等特征来表征目标。颜色特征最常用的提取方法是颜色矩、颜色直方图［1］；提取边缘的方法是对原始图像按像素的某邻域构造边缘检测算子，常见的提取方法有梯度算子，Sobel算子，拉普拉斯算子，Canny算子等；……