结合尺度不变特征变换和Kalman滤波的MeanShift视频运动目标跟踪.pdfVIP

JournalofComputerApplications ISSN 1001—9081 2013．11—0l 计算机应用，2013，33(11)：3179—3182，3243 CODEN JYIIDU http：／／www．jova．cn 文章编号：1001—9081(2013)11-3179—04 doi：10．11772／j．issn．1001—9081．2013．11．3179 结合尺度不变特征变换和 Kalman滤波的 MeanShift视频运动 目标跟踪 朱志玲 ，阮秋琦 (1．北京交通大学 计算机与信息技术学院，北京 100044； 2．北京交通大学信息科学研究所，北京 100044) ({通信作者电子邮箱zhuzhilingjiayou@163．con) 摘 要：为解决 目标跟踪中运动 目标存在较大尺度变化、旋转、快速运动或遮挡时跟踪效果欠佳的问题，提出了 一 种将尺度不变特征变换 (SIFT)特征 匹配和Kalman滤波与MeanShift结合的运动 目标跟踪方法。首先，利用Kalman 滤波估计 目标运动状态 ，将其估计值作为 MeanShift跟踪的初始位置 ；然后 ，当候选 目标模型和初始 目标模型的相似 性测度 系数小于某一阈值时，启用SIFT特征匹配寻找 目标可能位置，并在该位置处建立新的候选 目标模型，同时进行 相似性测度 ；最后 ，比较两者所得匹配系数，取其中较大者对应的位置作为 目标的最终位置。实验结果表明，该算法的 跟踪平均误差较单独将 Kalman滤波或SIFT特征与MeanShift结合的跟踪算法减小了约20％。 关键词：目标跟踪；尺度不变特征变换算法；Kalman滤波；MeanShift；尺度空间 中图分类号：TP391．413 文献标志码 ：A MeanShifttrackingforvideomovingobjectsincombination、vith scaleinvariantfeaturetransform andKalmanfilter ZHUZhiling RUANQiuqi (1．SchoolofComputerandInformationTechnology,BeijingJiaotongUniversity，Beijing100044，China； 2．InstituteofInformationScience，BeijingJiaotongUniversity,Beijing100044，China) Abstract：Tosolvetheproblem ofpoortrackingperformancewhenthemovingtargethasarelativelylargescalechange， rotation，fast—movingorocclusion，anobjecttrackingmethodcombiningScaleInvariantFeatureTransform (SIFT)matching andKalmanfilterwiththeMeanShift algorithm wasputforward．First，theKalmanfilterwasusedtopredictthemovement stateofthemovingtargetanditsestimatedvaluewastaken astheinitialpositionofMeanShift tracking．Then，whenthe measurecoefficientforthe similarity ofthecandidate targetmodeland the initialtargetmodelwa