2融合两层KF的MS算法-中国图象图形学报.doc

基金项目：国家自然科学基金；中央高校基本科研业务费专项资金（2014G3322008）；中央高校基本科研业务费专项资金（CHD2010ZY012）。 第一作者简介：田浩(1989-)，男，长安大学电子与控制工程学院博士研究生，主要研究方向为图像图形处理以及在交通中的应用。E-mail:kpqcz134@ 中图分类号：TP 391.41 文献标识码：A 融合背景权重直方图的目标跟踪改进算法 田浩， 巨永锋， 孟凡琨， 李涪帆 长安大学电子与控制工程学院, 西安, 710064 摘 要 ：目的 考虑到融合CBWH（校正背景权重直方图）的MeanShift（MS）目标跟踪算法只有CBWH更新而缺少目标模板更新，以及在目标遮挡时鲁棒性欠佳的不足。方法 本算法结合KF（卡尔曼滤波器）在目标状态预测和参数更新方面的可靠性，将两层KF框架融入融合CBWH的MS。第1层KF框架为目标位置预测层，通过KF噪声与巴氏系数之间的关系，实现跟踪结果的自适应调整，减少遮挡对跟踪结果的影响；第2层KF框架为目标模板更新层，通过KF对目标模板中的每个非零元素进行滤波，实现目标模板与CBWH的同步更新，减少目标特征变化对跟踪结果的影响。结果 在背景干扰、遮挡以及特征变化等条件下进行实验，得到本算法、融合CBWH的MS和传统MS的平均跟踪误差分别为5.43、19.2和51.43，显示本算法的跟踪精度是最高的。同时本算法也具有良好的实时性。结论 本算法在融合CBWH的MS基础上，加入两层KF框架，解决了原算法缺少目标模板更新和在目标遮挡时鲁棒性欠佳的不足，最后实验验证了本算法的有效性。 关键词 ：目标跟踪; 均值漂移; 校正背景权重直方图; 两层卡尔曼滤波; 巴氏系数; 模板更新 Improved tracking algorithm with background-weighted histogram Tian Hao, Ju Yongfeng, Meng Fankun, Li Fufan School of Electronics and Control Engineering, Chang’an University, Xian 710064 Abstract: Objective Taking into account the MeanShift (MS) object tracking algorithm with CBWH (corrected background-weighted histogram) only contains CBWH update but lacking of object template update, as well as having poor robustness in the case of object occlusion. Method Our algorithm combines the reliability of KF (Kalman filter) in terms of object state prediction and parameter update, and takes two layers of KF framework into MS with CBWH. The first layer KF framework for object location predicting, achieves adaptive tracking results by the relationship between KF noise and Bhattacharyya coefficient, and deduces the occlusion effect on the tracking results; The second layer KF framework for object template update, achieves update synchronization of object template and CBWH by filtering each of nonzero element in object template, and reduces effect on tracking results due to changes in object feature. Result Under conditions of background interference, occlusion and characteristic change etc, we get the average tracking error of