基于Camshift运动目标检测跟踪算法.docVIP

基于Camshift运动目标检测跟踪算法 　　摘要：对传统的运动目标跟踪算法而言，目标检测时由于环境因素的影响，难以准确检测到目标区域。因此常采用手动选取运动目标的方法，但此方法由于智能化程度不高，且具有较强的主观性和经验性，所得数据缺乏足够的说服力。针对于此，提出在多帧差分法的基础上，采用连通区域搜索筛选出合适的运动目标并标定目标区域，确定运动目标后进行跟踪；在目标跟踪阶段，实时更新标定区域内的融合特征向量，以提高后续跟踪算法的准确性和鲁棒性。实验表明：该方法切实可行，在目标检测阶段，改进后的算法在增加少量计算量的前提下，筛选并标定出目标区域；在目标跟踪阶段，将计算区域缩小在标定跟踪范围内，提高了算法效率，且保证算法了的稳定性和鲁棒性。 　　关键词：目标检测；多帧差分；连通域检测；目标跟踪 　　中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）01-0209-03 　　Abstract： For traditional moving target tracking algorithm， it is difficult to detect the target region accurately because of the influence of environmental. Therefore， the method of manually selecting tracking targets is often adopted. But the method is not sufficiently intelligent and has strong subjectivity and experience. So the data is not sufficiently convincing. To solve this problem， Based on the multi frame difference method， the connected region search is used to select and calibrate the appropriate moving region. In the target tracking phase， the fusion feature vector in the calibration area is updated in real time to improve the accuracy and robustness of the follow-up tracking algorithm. Experimental results show that the method is feasible. In the target detection phase， the improved algorithm can select and calibrate the target area under the premise of adding a small amount of computation. In the target tracking phase， the computation area is reduced in the calibration tracking range， which improves the efficiency of the algorithm and ensures the stability and robustness of the algorithm. 　　Key words： Target detection； Multi frame difference； Connected domain detection； Target tracking 　　1 概述 　　基于?D像序列的运动目标检测跟踪是图像处理和计算机视觉领域的重要分支之一。即根据图像序列在时间空间上的连续性与相关性，检测到运动目标后，确定其在每帧图像中的具体位置，并标记出来，为后续决策算法或者行为预测提供理论依据[1]。 　　近年来目标跟踪相关研究日趋成熟，大体形成了目标检测、特征提取、目标识别的理论体系。目标检测按特征的判别性可分为纹理目标检测和无纹理目标检测，对纹理物体进行识别和检测的有SIFT、SURF等；对无纹理物体进行检测的有基于模板匹配的检测算法以及其他拓展算法等。跟踪算法可分为基于轮廓的跟踪，基于特征点的跟踪，基于相关滤波（Correlation Filter， CF）的跟踪[2]等。 　　由于传统跟踪算法常采用手动圈定运动目标的方式，导致所得跟踪特征具有较强主观性和经验性。本文基