摘  要： 提出了一種基于背景差分法原理的均值漂移MS跟蹤算法。使用距離度量函數(shù)判斷目標(biāo)是否失去跟蹤，當(dāng)MS跟蹤目標(biāo)位置發(fā)生較大偏移時(shí)，通過使用背景差分法提取的目標(biāo)形心位置對(duì)其進(jìn)行修正。實(shí)驗(yàn)結(jié)果表明，該方法應(yīng)用于實(shí)時(shí)運(yùn)動(dòng)目標(biāo)的跟蹤時(shí)具有良好的跟蹤效果。
關(guān)鍵詞： 圖像序列；目標(biāo)提取；目標(biāo)跟蹤；均值漂移

　近年來(lái)，目標(biāo)跟蹤是機(jī)器視覺領(lǐng)域比較活躍的研究課題，在車輛跟蹤、智能機(jī)器人、人機(jī)交互、智能家居以及生物醫(yī)學(xué)圖像分析等行業(yè)有著潛在的應(yīng)用[1-2]。學(xué)者們提出了大量的運(yùn)動(dòng)目標(biāo)跟蹤算法，在這些算法中，基于統(tǒng)計(jì)迭代思想的均值漂移MS（Mean Shift）算法經(jīng)常被應(yīng)用于聚類、圖像平滑、圖像分割和跟蹤等各種不同場(chǎng)合。該方法計(jì)算量不大，能夠進(jìn)行實(shí)時(shí)目標(biāo)跟蹤[3]。
　基于MS的目標(biāo)跟蹤算法要求相鄰兩幀間目標(biāo)位置必須有重合，因此當(dāng)目標(biāo)的運(yùn)動(dòng)速度較小時(shí)，能夠獲得比較理想的跟蹤結(jié)果。當(dāng)目標(biāo)運(yùn)動(dòng)速度較快且目標(biāo)較小導(dǎo)致相鄰兩幀間的目標(biāo)位置無(wú)重合時(shí)，該方法往往失效。背景差分法是常用的目標(biāo)提取算法，可以快速有效地提取出目標(biāo)的輪廓。利用背景差分法提取出目標(biāo)的輪廓，進(jìn)而計(jì)算出目標(biāo)的形心位置，從而為MS跟蹤算法提供準(zhǔn)確、可靠的目標(biāo)位置。
本文主要研究動(dòng)態(tài)復(fù)雜背景下圖像序列中運(yùn)動(dòng)目標(biāo)的跟蹤技術(shù)，通過將MS理論和背景差分法目標(biāo)提取算法相結(jié)合，實(shí)現(xiàn)了運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤。通過對(duì)行駛中的小汽車的跟蹤，驗(yàn)證了本文算法的有效性和穩(wěn)健性。
1 背景差分目標(biāo)提取
　背景差分法也叫背景相減法，是用待提取目標(biāo)圖像減去沒有目標(biāo)的靜止背景圖像提取出運(yùn)動(dòng)目標(biāo)，屬于圖像分割技術(shù)范疇，其原理與幀差法類似，都是利用圖像像素的差分法運(yùn)算實(shí)現(xiàn)目標(biāo)提取。

1.2  背景差分算法步驟
?。?）圖像預(yù)處理：主要目的是去除圖像的隨機(jī)噪聲和校正因傳感器角度造成的圖像偏差。一般地，采用濾波和配準(zhǔn)等方法對(duì)原始視頻進(jìn)行預(yù)處理。
?。?）背景建模：通過對(duì)N幀視頻圖像序列的每一幀的像素信息進(jìn)行統(tǒng)計(jì)和估計(jì)，從而得到背景圖像，在算法開始時(shí)，通常采用第1幀圖像作為初值背景。
　（3）前景提?。簜鞲衅鞑杉降漠?dāng)前幀圖像與步驟（2）重建的背景作差分運(yùn)算，即可求得待提取的運(yùn)動(dòng)目標(biāo)。
?。?）背景更新：當(dāng)目標(biāo)由當(dāng)前幀運(yùn)動(dòng)到下一幀時(shí)，背景像素也跟著發(fā)生變化，不能以當(dāng)前背景圖像作為下一幀的背景，背景圖像需要重新估計(jì)，即背景更新。在整個(gè)目標(biāo)提取過程中，背景是動(dòng)態(tài)變化的。
2 MS框架下的背景差分法目標(biāo)跟蹤
　MS算法是一個(gè)不斷進(jìn)行迭代運(yùn)算的步驟，即先算出當(dāng)前點(diǎn)的偏移均值，移動(dòng)該點(diǎn)到其偏移均值，然后以此為新的起始點(diǎn)繼續(xù)移動(dòng)，直到滿足一定的條件結(jié)束。MS算法以其優(yōu)良的性能在目標(biāo)跟蹤中得到了很好的應(yīng)用，它是一種無(wú)參數(shù)的密度估計(jì)算法，最早由FUKUNAGA K和HOSTETLER L D提出[４]，應(yīng)用于模式識(shí)別問題。COMANICIU D等人將Mean Shift方法用于解決目標(biāo)跟蹤問題[５]。


　?。?）利用背景差分法提取目標(biāo)，并計(jì)算目標(biāo)新的形心位置x1；
　　（7）如果|x1-y1|≤R（R為初始時(shí)手動(dòng)選定的目標(biāo)半徑），則以y1為新的目標(biāo)位置，否則以x1作為新的目標(biāo)位置；
　?。?）回到步驟（1）繼續(xù)進(jìn)行計(jì)算，一直到目標(biāo)跟蹤結(jié)束。
3 實(shí)驗(yàn)結(jié)果與分析
　為了驗(yàn)證本文所提出的目標(biāo)跟蹤算法的性能，采用一組自己用佳能數(shù)碼相機(jī)拍攝的視頻圖像進(jìn)行測(cè)試，并比較MS跟蹤算法和本文跟蹤算法的跟蹤效果。所有算法均在Intel Pentium-4 3.0 GHz CPU、2 GB內(nèi)存計(jì)算機(jī)，Windows XP 系統(tǒng)下用MATLAB 7.9編程實(shí)現(xiàn)。圖像中方框表示估計(jì)的目標(biāo)位置，在圖像序列中待跟蹤目標(biāo)的初始位置手動(dòng)給定。
　圖2是對(duì)一段長(zhǎng)為100幀的640×480像素的視頻中行駛的黑色小汽車的跟蹤實(shí)驗(yàn)結(jié)果。前71幀中MS算法和本文算法跟蹤結(jié)果基本一致。到第72幀時(shí)，由于目標(biāo)被前面的白色汽車遮擋，跟蹤目標(biāo)丟失，MS算法失效。改進(jìn)算法中，利用背景差分法提取的目標(biāo)中心位置對(duì)MS跟蹤的目標(biāo)位置進(jìn)行修正，從而保證算法能夠一直正確地跟蹤目標(biāo)。

　本文提出了一種改進(jìn)MS算法的背景差分法目標(biāo)跟蹤方案。通過背景差分法進(jìn)行目標(biāo)提取并計(jì)算目標(biāo)的形心坐標(biāo)，對(duì)MS算法進(jìn)行自動(dòng)修正。使用距離度量函數(shù)判斷目標(biāo)是否失去跟蹤，在目標(biāo)丟失時(shí)，通過背景差分法修正跟蹤位置，重新進(jìn)行目標(biāo)定位來(lái)獲得穩(wěn)定的跟蹤。這種方法在跟蹤偏移的情況下能夠調(diào)整算法的目標(biāo)模型分布，從而修正MS的跟蹤過程。實(shí)驗(yàn)結(jié)果表明，本文所提出的方案實(shí)現(xiàn)了對(duì)目標(biāo)的實(shí)時(shí)提取與跟蹤，同時(shí)對(duì)于目標(biāo)遮擋、丟失的情況是穩(wěn)健的。
參考文獻(xiàn)
[1] 蔡榮太.非線性自適應(yīng)濾波器在電視跟蹤中的應(yīng)用[D].北京：中國(guó)科學(xué)院，2008.
[2] 王亮，胡衛(wèi)明，譚鐵牛.人運(yùn)動(dòng)的視覺分析綜述[J].計(jì)算機(jī)學(xué)報(bào)，2002，25（3）：225-237.
[3] COMANIEIU D， RAMESH V. Mean Shift and optimal prediction for efficient object tracking[C]. Proceedings of the IEEE Conference on Image， 2000（3）：70-73.
[4] FUKUNAGA K， HOSTETLER L D. The estimation of the gradient of a density function with applications in pattern recognition[J]. IEEE Transactions on Information Theory， 1975， 21（1）： 32-40.
[5] COMANICIU D， MEER P. Mean Shift： a robust approach toward feature space analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2002， 24（5）：564-577.