竇 超，孟立凡，任景平

(中北大學儀器科學與動態(tài)測試教育部重點實驗室，山西太原030051)

Camshift算法作用在于對選定的區(qū)域也就是人臉目標進行特征提取。而相較于傳統(tǒng)跟蹤部分，本方法通過HSV顏色空間，能夠將色度與亮度進行區(qū)分處理，進一步減少光照的影響。而Camshift算法正是在此特點下的最好方法［1］，該算法重要的一步就將圖像完成了從RGB顏色空間向HSV顏色空間的轉換，隨后通過對H分量的分離提取進而完成了人臉直方圖的建立，進而成為整個系統(tǒng)的核心。

1 實現(xiàn)過程

設運算得到的人臉圖像為f(x，y)，w，h分別代表長與寬，j代表的是圖像的最高灰度級數(shù)，那么人臉圖像我們可以用以下數(shù)學公式來描述。

在上式中，我們將直方圖中的尺度范圍進行一定變換，從［0，max(q)］到

采集的視頻中的像素我們可以通過直方圖中相應的統(tǒng)計量來代替，在此基礎上，再次量化得到結果。那么顏色概率的分布圖其實就是視頻圖像的反相投影。這個分布圖中包含了各式顏色分量的分布情況，比如當目標的顏色概率如果趨于1的話，那么就代表白色。背景顏色概率如果接近0的話，就代表黑色。

在視頻圖像序列中，我們可以得到人臉目標顏色的概率分布，利用重心的方法［1］，可以通過圖像目標的零階矩與一階矩獲得，Camshift可以得到目標的質心坐標，后續(xù)的處理與前面類似，每得到下一幀圖像，Camshift算法能夠自動調節(jié)窗口的大小，并利用當前幀的位置來預測下一幀的參數(shù)即窗口的位置與大小。具體步驟與流程如下。

圖1 Camshift跟蹤算法流程圖

1)通過前期對人臉的識別與檢測，在顏色概率分布圖中，設定初始的搜索窗口s，w，h分別代表窗口的長與寬［3］。

2)其次就可以采用重心的方法來搜索質心。

則窗口質心:(x0，y0)為

f(x，y)是坐標 x，y 的像素值，x?(1，w)，y?(1，h)。

3)對搜索窗口長w寬h重新設定為上步驟中搜索窗口的顏色概率分布函數(shù)。

4)將2)與3)步驟不斷反復運算，當質心改變至小于設定的閾值為止。

5)在2)中對零階矩與一階矩進行計算的同時，進行二階矩的計算，進而可以得到目標的長軸，短軸，方向角與尺度參量［4］。

2 實驗結果分析

整個運算過程是在intel雙核處理器與4G內存的基礎上運行，該配置足以處理該類視頻的運算。如圖2所示，跟蹤框也將人體面部成功識別出來，并開始識別追蹤。

圖2 實驗結果圖

從分析結果可知，Camshift算法已經成功在人臉追蹤部分運用，取得了良好的效果，具有一定的應用價值。

［1］Babu V，Makur R.A Kernel-Based Spatial-Color Modeling for Fast Moving Object Tracking［G］.Proc.of the IEEE International Conference on Acoustics，Speech and Signal Processing，2007:901 －904.

［2］Naoya Oshimal，Takeshi Saitoh1，Ryosuke Konishil.Real Time Mean Shift Tracking using Optical Flow Distribution［G］.SICE-ICASE International Joint Conference，2006 Oct.18 －21，in Bexco，Busan，Korea，2006.

［3］Wu M，Peng X，Zhang Q，et al.Patches-based Markov Random Field Model for Multiple Object Tracking Under Occlusion［J］.Signal Proeessing，2010，90(5):1518 －1529.

［4］Cheng Chang，Rashid Ansari.Kernel Particle Filter for Visual Tracking［G］.IEEE Signal Processing Letters，2005，12(3).