自适应更新时空方向能量目标跟踪算法研究.docVIP

自适应更新时空方向能量目标跟踪算法研究 　　摘 要： 为降低遮挡对目标跟踪性能的影响，提出了一种基于自适应更新时空方向能量的目标跟踪算法。首先依据目标外观模型进行初步跟踪，计算目标平均运动矢量；然后，求取运动目标的时空方向能量特征，构建运动模型；依据运动模型和状态机检测目标状态，生成遮挡掩膜；最后，对不同状态和遮挡情况的目标采用不同的参数自适应更新其外观和运动模型。实验采用国际通用的CAVIAR和York两个公共测试数据集，并用平均跟踪误差和多目标跟踪精确度两个指标评测了跟踪性能。实验结果表明该方法的目标跟踪性能好，尤其是对目标遮挡的鲁棒性强。 　　关键词： 目标跟踪算法； 目标识别； 时空方向能量； 外观模型； 运动模型 　　中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）13?0041?05 　　Abstract： To reduce the impact of occlusion on target tracking performance， a target tracking algorithm based on spatiotemporal oriented?energy of adaptive update is proposed. With the algorithm， the moving target is tracked in preliminary according to its appearance model to compute the average motion vector， and then obtain the spatiotemporal oriented?energy feature of the target and construct the motion model. After that the target state is detected according to the motion model and state machine to generate the occlusion mask. For the target with different status and occlusion conditions， the appearance model and motion model of the target are self?adaptively updated by means of different parameters. In the experiment， two testing datasets （CAVIAR and York） commonly used in the world were adopted， and the indexes of average tracking error and multi?object tracking precision were employed to evaluate the tracking performance. The experimental results show that the proposed method has good target tracking performance， especially for strong robustness to target occlusion. 　　Keywords： target tracking algorithm； target identification； spatiotemporal oriented?energy； appearance model； motion model 　　0 引 言 　　运动目标跟踪是计算机视觉领域的研究热点，在制导导航、人工智能、视频监控等领域应用广泛[1]。文献[2]提出的均值漂移（Meanshift）方法是目标跟踪领域的经典方法，其基本思想是利用概率密度的梯度爬升寻找局部最优，通过不断迭代跟踪目标的最优匹配点，实现目标跟踪。然而，该方法对目标遮挡和光线变化的鲁棒性较弱。如何提高目标跟踪算法对光线变化和目标遮挡及姿态变化的适应性是当前目标跟踪领域的难题之一。文献[3]提出了一种基于颜色纹理直方图的带权分块均值漂移目标跟踪方法，将目标划分为互不重叠的矩形分块，提取颜色直方图和局部二元模式特征，执行基于背景权重的Meanshift算法，提高Meanshift方法对姿态变化和部分目标遮挡的鲁棒性。文献[4]提出了一种基于SIFT特征和粒子滤波的目标跟踪方法，依据SIFT特征对光照、尺度以及仿射变换的不变性，提高目