竇 超，孟立凡，任景平

(中北大學(xué)儀器科學(xué)與動(dòng)態(tài)測(cè)試教育部重點(diǎn)實(shí)驗(yàn)室，山西太原030051)

在人類認(rèn)識(shí)世界的進(jìn)程中，眼部器官起到了至關(guān)重要的作用［1］，但是隨著信息時(shí)代的發(fā)展，人類已經(jīng)不止步于“眼界”，而向著計(jì)算機(jī)視覺的方向大步而行，因?yàn)樵谌祟惛兄澜绲倪^程中，視覺信息占著舉足輕重的作用，并且也是人類認(rèn)識(shí)、獲取、理解，并與整個(gè)世界及時(shí)溝通的最有效率的辦法之一。在此背景下，機(jī)器視覺應(yīng)運(yùn)而生，將機(jī)器與視覺聯(lián)系起來，并不是簡(jiǎn)單的攝像，而是讓機(jī)器有了人類處理圖像的能力，使機(jī)器捕捉到圖像或視頻后，能夠通過自身的分析判斷，對(duì)所遇到的情況進(jìn)行自動(dòng)處理。

1 目標(biāo)跟蹤中的mean shift

用于目標(biāo)跟蹤的mean shift算法，并不是完全智能的算法，因?yàn)樵诟櫝跏紟臅r(shí)候，需要將被跟蹤的區(qū)域使用鼠標(biāo)進(jìn)行劃分，自己不能獨(dú)立運(yùn)作，起始的時(shí)候需要手動(dòng)參與，通過鼠標(biāo)劃分好區(qū)域后，也就確定了核函數(shù)所作用的區(qū)域，鼠標(biāo)劃分出來區(qū)域的半徑就是核函數(shù)的帶寬，即跟蹤窗口的半徑［1］。

在被跟蹤區(qū)域的所有像素點(diǎn)，首先要對(duì)被跟蹤的目標(biāo)進(jìn)行描述，可以通過計(jì)算特征空間中每個(gè)特征值的概率來得到，然后通過Bhattacharyya(巴特查理亞)系數(shù)，來檢查差異性，因?yàn)槌跏紟哪繕?biāo)模型是在跟蹤前就選定的確定量［2］，而每一幀中的候選模型不同，所以我們要引入Bhattacharyya巴氏系數(shù)，求其最大值。因?yàn)榘褪舷禂?shù)的主要作用就是用來描述兩個(gè)樣本之間相似的程度，并用一個(gè)確定的值來做結(jié)論，在跟蹤領(lǐng)域，求其最大值，就是來計(jì)算下一幀中可能的目標(biāo)中，與上一幀目標(biāo)最相似的目標(biāo)，也就是真實(shí)的目標(biāo)。進(jìn)而就可以得到每一幀中候選模型與初始幀的目標(biāo)模型相似度最高的時(shí)候，當(dāng)相似性最高這個(gè)條件滿足時(shí)，就可以得到mean shift向量，整個(gè)原理就是mean shift向量從初始幀目標(biāo)區(qū)域的位置，在收斂的前提下，經(jīng)過一定程度的迭代，當(dāng)?shù)Y(jié)束后，最終指向正確的位置，也就是選定區(qū)域中密度最高處。如圖1所示為迭代過程圖。

圖1 迭代過程圖

圖2 mean shift算法流程圖

2 結(jié)果分析

本實(shí)驗(yàn)的實(shí)驗(yàn)環(huán)境在windows7操作系統(tǒng)下運(yùn)行，該計(jì)算機(jī)配置為雙核intel i3處理器，其主頻為2.53 GHz，4 GB內(nèi)存，并且配備顯存為512 M的獨(dú)立顯卡，該型配置足以順利運(yùn)行Matlab R2008a。首先我們選用Matlab數(shù)據(jù)庫自帶的范例視頻做一次測(cè)試，該視頻容量很小，不到1 M，背景幾乎無光線變化，且目標(biāo)與背景相差較大，無遮擋，計(jì)算機(jī)足以處理，本次試驗(yàn)的目的就是測(cè)試mean shift算法是否能成功跟蹤到目標(biāo)，實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 測(cè)試效果圖

由跟蹤結(jié)果可以看出來，mean shift算法在背景簡(jiǎn)單的情況下成功了跟蹤了目標(biāo)。

［1］Simon Denman Vinod Chandran Sridha Sridharan.An A-daptive Optical Flow Technique for Person Tracking Systems［J］.Pattern Recognition Letters，2007，28(10):1232－1239.

［2］Dorin Comaniciu Visvanathan Ramesh，Peter Meer.Realtime Tracking of Non-Rigid Objects Using Mean Shift［G］.In Proc.of IEEE Computer Society Conference on Computer Vision and Pattern Recognition(CVPR2000)，2000，2，2142 －2149.

［3］Aldo Maalouf.Robust Foveal Wavelet－ Based Object Tracking［G］.Member IEEE，Mohamed-Chaker Larabi，Senior Member IEEE，2012ICASSP.