基于CamShift算法的運動目標跟蹤研究

黃海濤 余必成 董慧文 顏俊

摘 要：運動目標跟蹤是計算機視覺的一個重要研究內容，通過對多幅連續圖像的處理，達到對圖像中特定目標檢測和跟蹤的目的。以對目標跟蹤問題的分析為基礎，研究了基于CamShift （Continuously Adaptive MeanShift） 算法的運動目標跟蹤實現策略，基于目標的顏色特征進行跟蹤，以均值移動策略作為目標的搜索算法，有效減少了特征搜索時間，實現了運動目標的快速定位。詳細討論了算法的設計和實現過程，并以實現的運動目標跟蹤算法為基礎開展了實例實驗，驗證了所研究算法的有效性。

關鍵詞：目標跟蹤 CamShift算法 視覺跟蹤 均值移動算法 計算機視覺

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1674-098X（2015）12（c）-0158-02

Research of Moving Target Tracking Based on CamShift Algorithm

Huang Haitao Yu Bicheng Dong Huiwen Yan Jun

（Computer Engineering College of Nanjing Institute of Technology，Nanjing Jiangsu，211167，China）

Abstract：Moving target tracking is one of the most important research focus in computer vision. By processing several continuous images，moving target can be detected and tracked. Based on the analysis of moving target tracking problem，the implementation strategy is presented in this paper.The CamShift algorithm is evolved from MeanShift algorithm，taking color characteristics of objects as key factors to reduce times of tracking target object.Based on the research of theoretical model for target tracking， the design and implementation of the strategy is proposed in this paper.The numerical experiments are discussed to ensure the validation of this implementation.

Key Words：Target tracking；CamShift algorithm；Tvision tracking；MeanShift；Computer vision

運動目標跟蹤是計算機視覺的重要研究內容之一，通過對實時采集的、包含目標對象的多幅連續圖像進行數字化處理，達到對圖像中目標物體進行檢測、識別、理解和跟蹤的目的。當前，對于運動目標跟蹤的研究主要集中在基于特征的跟蹤、基于模板的跟蹤和基于模型的跟蹤、基于區域的跟蹤四個方面。其中基于特征的跟蹤方法以圖像區域內具有不變性質的特征為研究對象，通過目標物體的特征建模識別要跟蹤的對象，由于其對遮擋等復雜環境因素不敏感，近年來成為國內外學者研究的熱點。

該文以基于CamShift算法的運動目標跟蹤為研究內容，首先分析目標跟蹤的研究現狀，然后詳細討論基于CamShift算法的目標跟蹤設計與實現的過程，并以OpenCV視覺庫為工具，實現了運動目標的跟蹤策略，進行了實例實驗研究，驗證了算法的有效性，并進行了總結。

1 CamShift算法及目標跟蹤實現

CamShift（連續自適應均值移動算法）是在均值移動算法的基礎上提出的，該算法以目標圖像的顏色直方圖作為關鍵特征的判定與描述形式，以均值移動算法為搜索策略，充分利用梯度上升的方向和上升的趨勢來減少目標特征搜索匹配的時間，提高運動目標的定位效率，連續自適應均值移動算法可以有效解決因目標變形、復雜場景遮擋等因素帶來的跟蹤困難，具有較高的目標搜索效率。以下將重點討論實現過程中主要考慮的顏色分布概率的計算策略、運動目標物體的定位策略和目標方向和參數計算策略。

1.1 顏色分布概率計算研究

運動目標檢測跟蹤的前提是目標的特征建模。該文將以物體的顏色特征為研究對象，對目標顏色進行建模，以此目標與非目標物體的運動特征識別標志。實現的過程中首先將包含目標的圖像由RGB空間轉化到HSV空間進行后續處理，由于RGB顏色空間對光線變化比較敏感，而HSV空間中的三個分量之間是相互獨立的，轉換后可以有效提高算法的穩定性。同時，由于HSV顏色空間中的H分量包含了最完整的色度信息，實現時為了提高特征建模速度，選擇H分量建立顏色直方圖作為目標跟蹤特征的建模信息源，生成H分量的顏色直方圖。

以序列圖像的直方圖為基礎，可以計算出圖像各個色度值的分布概率，便利整幅圖像，用圖像中每個像素點所對應的概率值代替該點的像素值，就能夠得到該圖像的概率投影圖。計算過程描述如下：

（1）當前圖像由RGB格式轉換為HSV格式，并提取H分量作為特征建模信息源；

（2）計算HSV空間中H分量的直方圖，計算直方圖如式（1）：

（1）

上式中，n表示像素點個數，每個像素點位置為，表示直方圖，為像素點的直方圖索引。

（3）通過式（2）將直方圖的尺度從[0，max（q）]變換為灰度級：

（2）

通過以上幾個步驟，目標物體的像素點采樣直方圖的閾值轉換為了灰度級值，原圖像轉換為了信息精簡的灰度圖像，由于使用了信息完整的H分量進行轉換，轉換后的圖像反映了各顏色的分布信息。

2.2 運動目標定位研究

對于每幀圖像，轉換為概率分布圖像之后，均值漂移算法就對該圖像中的待搜索區域進行運算，運算的目的是找出該區域的質心，即概率分布的梯度，然后對目標圖像序列的所有幀同樣的運算，并將上一幀的結果作為新的搜索窗口的初始值，反復迭代實現對目標的跟蹤。具體步驟描述如下：

（l）初始化搜索窗的大小和位置。

（2）計算搜索窗內的顏色概率分布。

（3）使用均值移動算法獲得新的搜索窗的大小和位置。

（4）用上一步得到的值重新初始化搜索窗的位置和大小。

（5）計算跟蹤目標的方向和目標的尺寸。

（3）

（4）

（5）

則目標運動方向與水平方向夾角為

（6）

目標區域的長軸length和短軸width長度分別為：

（7）

4 實驗結果

通過對CamShift算法的研究，該文設計將了運動目標對象的視覺跟蹤策略。以實現的算法為基礎，通過設計硬件平臺，以人工移動的黃色物體為例，成功實現了目標的檢測與跟蹤。實驗結果如圖1所示。

5 結語

該文研究了基于CamShift的運動目標跟蹤算法，并基于開源圖像處理庫實現了目標跟蹤，通過實例實驗，驗證了使用所實現算法進行目標跟蹤的有效性，該算法的研究對于工程應用中實現運動目標跟蹤具有重要的參考價值。

參考文獻

[1] 趙翠蓮，王洪，范志堅，等.基于CamShift反饋碼本模型的手抓取物跟蹤方法[J].計算機科學，2015，42（12）：297-301.

[2] 蘆書娟，呂學強，李卓，等.改進CamShift的運動目標跟蹤算法[J].小微型計算機系統，2015，36（6）：1325-1330.

[3] 翟衛欣，程承旗.基于Kalman濾波的CamShift 運動跟蹤算法[J].北京大學學報：自然科學版，2015，51（5）：799-804.