基于多尺度空间的mean shift目标跟踪算法∗

（海军工程大学 武汉 430033）

1 引言

近些年目标跟踪算法已取得了很大的进步，然而为了简化跟踪模型，几乎所有的目标跟踪算法都假设目标的运动是平滑的，不存在突然变化［1～7］。在物体运动速度过快导致目标在相邻两帧中不存在重叠区域时，常常会收敛到一个错误的位置。

模板匹配算法无需任何关于目标运动的假设。然而，由于需要对整个图像进行穷尽搜索，算法时间复杂度过高。许多文献提出了加快模板匹配速度的方法，主要可以分为三类［8～11］：1）由粗及精的策略，先在低分辨率上粗匹配再在高分辨率上进行精匹配，然而这种方法要求低分辨率上的粗匹配必须取得较好的效果；2）对图像和模板进行下采样，这种方法会略去很多像素点，包括具有全局或局部最佳的点；3）估计似然函数的上界或者下界并削减不必要的操作，然而不是所有的似然函数都能找到上界或者下界。

本文提出了一种基于多尺度空间的目标跟踪算法。首先利用通过基于直方图的模板匹配算法在整个图像中寻找候选点，然后以这些点为初始点结合mean shift算法找到对应的局部极值，以最大局部极值对应点作为目标最终估计。最后利用尺度空间更新模板的尺寸和匹配窗口。

2 基于直方图的模板匹配

直方图是对旋转、形变以及部分遮掩有一定的鲁棒性。通过用直方图来表征模板T，则模板匹配过程可以定义为在当前帧中寻找与模板具有相似直方图的子图像。……