基于显着特征区域和概率图模型的目标跟踪-云南民族大学学报（自然.pdf

云南民族大学学报：自然科学版，２０１６，２５（３）：２６４－２６９ ＣＮ５３－１１９２／Ｎ　ＩＳＳＮ１６７２－８５１３ ｄｏｉ：１２．３９６９／ｊ．ｉｓｓｎ．１６７２－８５１３．２０１６．０３．０１４ ｈｔｔｐ：／／ｘｂｙｎｎｉｅｄｕｃｎ 基于显著特征区域和概率图模型的目标跟踪 蔡　波，周大可，杨　欣 （南京航空航天大学自动化学院，江苏南京２１１１０６） 摘要：针对目标跟踪中的遮挡问题，提出一种基于局部显著特征区域和概率图模型的跟踪算法． 提取目标的一组局部显著特征点，以局部显著特征点为依据，在目标区域中划分出多个感兴趣的 显著特征区域；利用这组显著特征区域相互之间的空间位置关系，并结合各个显著特征区域自身 的局部信息建立目标的马尔可夫随机场（ＭＲＦ）模型；采用ｍｅａｎｓｈｉｆｔ（ＭＳ）算法对各个显著特征 区域分别进行跟踪，利用ＭＲＦ模型对 ＭＳ算法的跟踪结果进行概率推断，融合各个显著特征区 域的权重，精确定位运动目标的最终位置．在多个视频序列上的实验结果表明，与改进的 ＭＳ算 法、粒子滤波算法以及分块跟踪方法相比，此算法具有较高的跟踪精度；尤其是当目标被遮挡时， 该算法具有较好的跟踪鲁棒性．该算法充分利用了显著特征区域自身的局部特征和区域之间的 空间结构信息，能够实现复杂情况下的运动目标的鲁棒跟踪． 关键词：目标跟踪；马尔可夫随机场；ｍｅａｎｓｈｉｆｔ算法；概率推理 中图分类号：ＴＰ３９１４１ 文献标志码：Ａ 文章编号：１６７２－８５１３（２０１６）０３－０２６４－０６ 　　目标跟踪是计算机视觉领域的重要研究方向之 著特征区域作为跟踪过程中的独立子块；然后，利用 一，在视频监控、人机交互、智能交通和导航制导等 各个子块自身的局部特征和空间域上的约束条件建 方面都有着广泛的应用．跟踪过程中，运动目标姿 立关于显著特征区域的ＭＲＦ模型；最后，根据 ＭＲＦ 态、背景、光照的变化以及遮挡等都会影响跟踪算法 模型再次推断各子块的空间位置，从而确定目标的 的鲁棒性，其中遮挡问题是跟踪过程中的一个难点． 最终位置． 当目标被（部分）遮挡时，目标的信息如颜色、轮廓、 １　目标的条件随机场模型 显著特征点等会缺失；遮挡结束后，这些信息会逐渐 恢复．这种目标信息的变化，通常会导致跟踪漂移甚 首先提取目标区域的 Ｈａｒｒｉｓ角点，以提取出的 至跟踪失败． Ｈａｒｒｉｓ角点为依据，在目标区域中划分出一组感兴趣 其中基于子块匹配的方法是处理遮挡问题 的特征区域，将其作为单独子块．提取感兴趣的特征 的常用算法之一，但一般的基于子块匹配的方法 区域作为跟踪子块，极大程度上保留了目标区域的主 均采用平均分块思路，而平均分块可能会出现没 要信息，剔除了对于跟踪结果影响不大的冗余信息， 有显著特征信息的子块（如背景、目标中的同质 有利于下一步的跟踪．然后，利用ＭＲＦ融合各个特征 区域等）；此外，采用投票法或平均法综合子块的 区域之间的空间位置关系，时间域上相邻特征区域的 跟踪结果，没有考虑各个子块的权重，对目标的 约束关系和特征区域的局部信息，建立目标模型． 定位会有一定的影响． １１　Ｈａｒｒｉｓ角点 针对以上问题，本文提出一种基于显著特征区 Ｈａｒｒｉｓ算子是一种有效的点特征提取算子，其 域和ＭＲＦ模型的目标跟踪方法．首先提取目标区域 计算简单，对于目标的旋转、光照等变化，几乎具有 中的局部显著特征点，据此划分出一组感兴趣的显 不变性；并且提取的特征点均匀合理，能反映图像的 收稿日期：２０１６－０２－２６． 基金项目：国家自然科学基金（６１１７２