基干局部不变特征与Camshift复杂环境跟踪技术探讨.docVIP

基于局部不变特征与Camshift复杂环境跟踪技术研究 　　摘 要： 针对城市道路交通中广泛存在由于车辆形变、雾霾天气、背景噪声以及光照变化、遮挡干扰等复杂环境导致传统方法跟踪失败的问题，提出在连续自适应均值漂移算法的基础上融合HSV颜色模型、局部不变特征的城市道路交通车辆目标跟踪新算法。新算法通过建立基于颜色、灰度的多特征模板，利用统计分析学样本主成分分析降维提高特征匹配的效率，定义并计算加权特征在空间上的分布，使得算法对复杂环境亦能较好的应对，保证跟踪稳定、准确。实验表明新算法识别率高、实时性好，抗环境干扰鲁棒性强 关键词： 特征融合； Camshift； SIFT算法； 降维； 目标跟踪 中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2016）19?0169?05 Abstract： Since the traditional tracking methods are failed due to the complex environments of vehicle deformation， haze weather， background noise， illumination variation and occlusion interference existing in urban road traffic， the vehicle target tracking new algorithm of urban road traffic is proposed， which integrates HSV color model and local invariant feature with the continuously adaptive mean shift （Camshift） algorithm. The multi?feature template based on color and gray level is established.The sample principal component analysis method of statistic analysis is used to reduce the feature dimension to improve the efficiency of feature matching. The spatial distribution of weighted features is defined and calculated， so the algorithm can better deal with the complex traffic environment， and ensure the stable and accurate tracking. The experimental results show that the new algorithm has high recognition rate， good real?time performance， and strong robust to resist environmental interference. Keywords： feature fusion； Camshift； SIFT algorithm； dimension reduction； target tracking 0 引 言 目前，我国道路车辆随着社会的发展不断增加，公路承载能力相对不足，致使交通拥堵严重，事故频发。车辆跟踪技术在城市道路交通监控系统[1]中，能够实时监控记录车辆的行为信息，获取车辆的信息参数，从而为车辆行为识别奠定了基础。目前跟踪方法大部分依靠单一颜色信息表示被跟踪的目标，卡尔曼滤波器跟踪[2]计算复杂度低，能够跟踪车辆的中心，但要求车辆运行状态满足高斯分布，而对现实中大部分的非线性、非高斯环境易跟踪失败；块匹配跟踪算法[3]利用图像之间的匹配度进行跟踪，但跟踪过程中无法通过分配策略设置合理的阈值，且抗仿射变换能力差；粒子滤波算法[4]抗干扰能力强，但存在精度和时耗的互斥情况，且在跟踪过程中粒子易出现退化现象。连续自适应均值漂移（Camshift，Continuously Adaptive Meanshift）算法[5?6]是一种无需参数的基于核密度的快速模式匹配算法，可以有效解决目标形变问题，其计算简单、实时性高，但在目标颜色和背景接近、遮挡、光照变化时易导致目标跟踪失败。总之，上述方法不具备通用性，如场景中出现光照、车辆或形变、霜雾天气、目标边缘或区域特征不明显、遮挡等因素存在时易丢失目标 鉴于