廣東工業(yè)大學自動化學院 謝晶梅 宋亞男 徐榮華

?

基于均值漂移的車輛追蹤研究

廣東工業(yè)大學自動化學院 謝晶梅 宋亞男 徐榮華

【摘要】針對現(xiàn)實世界的立體環(huán)境在平面的圖像幀中呈現(xiàn)的視頻分辨率低、不規(guī)則的目標運動及信息缺少丟失等，提出均值漂移算法對視頻運動多車輛的場景進行追蹤。首先對均值漂移算法在多車輛追蹤過程中的目標模型、候選模型、相似性函數(shù)、目標定位以及均值漂移算法流程分別進行了介紹，最后對仿真結果進行了分析。

【關鍵詞】車輛追蹤；核密度估計；均值漂移

0 引言

運動目標跟蹤就是在一段序列圖像中的每幅圖像中實時地找到所感興趣的運動目標總體來說有兩種思路：（1）不依賴于先驗知識，直接從圖像序列中檢測到運動目標，并進行目標識別，最終跟蹤感興趣的運動目標；（2）依賴于目標的先驗知識。現(xiàn)有的跟蹤方法分為基于特征、模型、區(qū)域、主動輪廓模型和預測的方法。主要包括以下幾種方法[1~4]：（1）基于特征的跟蹤方法；（2）基于模型的跟蹤方法；（3）基于區(qū)域的跟蹤方法和（4）基于主動輪廓模型的跟蹤方法。

1 算法設計

1.1 目標模型

1.2 候選模型

1.3 相似性函數(shù)

相似性函數(shù)是用來表示候選模型和目標模型之間關系的，即目標模型與候選模型之間的相似度。將兩個離散分布之間距離作如下定義：

2 仿真分析

本節(jié)實驗在VS2008和OPencv2.3.1環(huán)境下進行，采用視頻幀率為30幀/秒，320*240圖像序列，追蹤效果如圖1所示。

圖1 均值漂移算法追蹤效果圖

從上面均值漂移算法追蹤效果圖可以看出，在普通的光照背景下，當車輛沒有被遮擋或發(fā)生相互遮擋時，均值漂移算法能夠較好的實現(xiàn)運動多車輛的追蹤，具有良好的穩(wěn)定性和準確性。

3 結語

本文將均值漂移算法應用到運動目標的追蹤上，然后對均值漂移算法的目標追蹤流程進行了介紹，通過仿真證明了追蹤效果是良好的。

參考文獻

[1]Blackman S S.Multiple hypothesis tracking for multiple target tracking[J].Aerospace and Electronic Systems Magazine, IEEE,2004,19(1):5-18.

[2]范志強.基于全景子空間的尺度不變特征跟蹤方法[J].北京航空航天大學學報,2011,37(9):1181-1185.

[3]Lowe D G.Object recognition from local scale-invariant features[C]//Computer vision,1999.The proceedings of the seventh IEEE international conference on. Ieee,1999,2: 1150-1157.

[4]Ulker Y,Gunsel B.Multiple model target tracking with variable rate particle filters[J].Digital Signal Processing,2012, 22(3):417-429.

謝晶梅（1991－），女，江西贛州人，碩士研究生，研究方向：模式識別。

宋亞男（1976－），女，副教授，主要研究方向：智能優(yōu)化算法與控制系統(tǒng)仿真、機器視覺等。

徐榮華（1978－），男，講師，博士，主要從事自動化裝備研究。

作者簡介：