·356· 智能系统学报 第6卷 匹配速率的前提下，充分提高目标跟踪的准确性，并 乙如=∑∑1(x,, 用实验进行了验证 Zm=∑∑y1(xy）, 1 CamShift跟踪算法 Z=∑∑xyx,. 1.1颜色概率分布 RGB颜色空间对光照亮度变化比较敏感，为了 令 减少此变化对跟踪效果的影响，CamShift算法首先 a -xy）,c= 将图像从RGB颜色空间转换到HSV颜色空间. 目标长轴的方向角为 HSV颜色空间把颜色表示成色度H、饱和度S、亮度 V3个分量，由于它们相互独立，能够提高算法的 0=a(小 稳定性.再选择HSV颜色空间H分量建立目标直方 图像中目标长轴和短轴的长度可以按式(1)、 图，设{x:}=1,2,…,n为目标图像的像素坐标，目 (2)计算： 标直方图表示为网 I= /(a+c)+√B+(a-c) (1) 9a=∑8c(x)-u],u=1,2,…,m. 2 将原始图像的像素用直方图中相应像素的统计 10= a+c)+6+(a-c)7 (2) 量所代替，然后将得到的结果重新量化，就得到颜色 2 概率分布图 2 改进方法 1.2 CamShift算法 CamShift算法利用目标的颜色特征在视频图像 传统的CamShift算法在目标跟踪中有几大优 势：首先是算法计算量不大，在目标区域己知的情况 中找到运动目标所在的位置和大小，在下一帧视频 图像中，用运动目标当前的位置和大小初始化搜寻 下完全可以做到实时跟踪；其次，作为一个无参数密 窗口，重复这个过程就可以实现对目标的连续跟 度估计算法，很容易作为一个模块与其他算法集成； 踪因.对离散概率分布，其算法实现过程如下口。 另外，采用直方图建模，对边缘遮挡、目标旋转、变形 1)在颜色概率分布图中手动选取大小为S的 和背景运动不敏感网 但随之产生了一些缺点，如：无法自启动程序， 搜索窗W. 需要手确定目标区域和跟踪：对场景中颜色变化敏 2)计算零阶矩： 感和对颜色噪声干扰不能很好地免疫.对此提出了 Zm=∑∑1(x,y. 一条由粗到精的目标颜色特征提取办法：首先通过 计算x和y的一阶矩： 差分累计图像背景得到目标的大致位置区域和初始 Z。=∑∑x(x,y, 掩膜，随后再累计这些初始掩膜，得到完整而可靠的 目标颜色特征描述.并结合后序处理使程序自动启 Z1=∑∑x,W. 动，无需人工干预.这大大提高了CamShif近算法的 式中：I(x,y)是坐标为(x,y)的像素值，x和y的变 精度、稳健度和实用性回」 化范围为搜索窗的范围. 2.1累积背景图像差分并二值化掩膜 3)计算搜索窗的质心为(x,y): 由于系统在室外日光下拍摄，图像带有大量随 x。=Z1o/Zmye=Zo1/Zm 机噪声，为了提高信噪比，利用目标出现前的多帧图 4)调整窗口的中心到质心位置. 像构造均值背景.目标的特征掩膜提取分为4 步00 5)在新的窗口中重复2)~4)直到收敛（质心 变化小于给定的阈值). 1)图像在采集过程中会带入大量随机噪声，假 零阶矩反映了目标在图像中的面积，颜色概率 定这些噪声是非相关的，那么就可以利用多帧图像 构造均值背景，通过相同条件下拍摄的多帧图像取 分布图是最大值为255的离散的灰度图像，由此，设 平均而降低和消除噪声，该方法有效提高了图像信 置搜索窗的大小S和Z的关系为 噪比，并从累积的帧差信息中构建出完整、可靠的背 S=2√Z0/256. 景区域，所用公式如式(3)： 考虑对称性，S取接近计算结果的奇数： N- 通过计算二阶矩，可得到被跟踪目标的长轴、短 Back(x,y）= ∑fx) N (3) 轴和方向角.二阶矩为 2)通过将当前图像帧和累积均值背景模型进匹配速率的前提下，充分提高目标跟踪的准确性，并 用实验进行了验证． 1 CamShift 跟踪算法 1． 1 颜色概率分布 RGB 颜色空间对光照亮度变化比较敏感，为了 减少此变化对跟踪效果的影响，CamShift 算法首先 将图像从 RGB 颜色空间转 换 到 HSV 颜 色 空 间． HSV 颜色空间把颜色表示成色度 H、饱和度 S、亮度 V 3 个分量，由于它们相互独立，能够提高算法的 稳定性． 再选择 HSV 颜色空间 H 分量建立目标直方 图，设{ xi} = 1，2，…，n 为目标图像的像素坐标，目 标直方图表示为［4］ qu = ∑ n i = 1 δ［c( xi ) － u］，u = 1，2，…，m． 将原始图像的像素用直方图中相应像素的统计 量所代替，然后将得到的结果重新量化，就得到颜色 概率分布图． 1． 2 CamShift 算法 CamShift 算法利用目标的颜色特征在视频图像 中找到运动目标所在的位置和大小，在下一帧视频 图像中，用运动目标当前的位置和大小初始化搜寻 窗口，重复这个过程就可以实现对目标的连续跟 踪［6］． 对离散概率分布，其算法实现过程如下［7］． 1) 在颜色概率分布图中手动选取大小为 S 的 搜索窗 W． 2) 计算零阶矩: Z00 = ∑x ∑y I( x，y) ． 计算 x 和 y 的一阶矩: Z10 = ∑x ∑y xI( x，y) ， Z01 = ∑x ∑y yI( x，y) ． 式中: I( x，y) 是坐标为( x，y) 的像素值，x 和 y 的变 化范围为搜索窗的范围． 3) 计算搜索窗的质心为( xc，yc) : xc = Z10 /Z00，yc = Z01 /Z00 ． 4) 调整窗口的中心到质心位置． 5) 在新的窗口中重复 2) ～ 4) 直到收敛( 质心 变化小于给定的阈值) ． 零阶矩反映了目标在图像中的面积，颜色概率 分布图是最大值为 255 的离散的灰度图像，由此，设 置搜索窗的大小 S 和 Z00的关系为 S = 2 Z00 槡 /256． 考虑对称性，S 取接近计算结果的奇数． 通过计算二阶矩，可得到被跟踪目标的长轴、短 轴和方向角． 二阶矩为 Z20 = ∑x ∑y x 2 I( x，y) ， Z02 = ∑x ∑y y 2 I( x，y) ， Z11 = ∑x ∑y xyI( x，y) ． 令 a = Z20 Z00 － x 2 c，b = 2( Z11 Z00 － xcyc) ，c = Z02 Z00 － y 2 c ． 目标长轴的方向角为 θ = 1 2 tan2 b ( ) a － c ． 图像中目标长轴和短轴的长度可以按式( 1) 、 ( 2) 计算: l = ( a + c) + b 2 槡 + ( a － c) 2 槡 2 ， ( 1) w = ( a + c) + b 2 槡 + ( a － c) 2 槡 2 ． ( 2) 2 改进方法 传统的 CamShift 算法在目标跟踪中有几大优 势: 首先是算法计算量不大，在目标区域已知的情况 下完全可以做到实时跟踪; 其次，作为一个无参数密 度估计算法，很容易作为一个模块与其他算法集成; 另外，采用直方图建模，对边缘遮挡、目标旋转、变形 和背景运动不敏感［8］． 但随之产生了一些缺点，如: 无法自启动程序， 需要手确定目标区域和跟踪; 对场景中颜色变化敏 感和对颜色噪声干扰不能很好地免疫． 对此提出了 一条由粗到精的目标颜色特征提取办法: 首先通过 差分累计图像背景得到目标的大致位置区域和初始 掩膜，随后再累计这些初始掩膜，得到完整而可靠的 目标颜色特征描述． 并结合后序处理使程序自动启 动，无需人工干预． 这大大提高了 CamShift 算法的 精度、稳健度和实用性［9］． 2． 1 累积背景图像差分并二值化掩膜 由于系统在室外日光下拍摄，图像带有大量随 机噪声，为了提高信噪比，利用目标出现前的多帧图 像构 造 均 值 背 景． 目标的特征掩膜提取分为 4 步［10］． 1) 图像在采集过程中会带入大量随机噪声，假 定这些噪声是非相关的，那么就可以利用多帧图像 构造均值背景，通过相同条件下拍摄的多帧图像取 平均而降低和消除噪声，该方法有效提高了图像信 噪比，并从累积的帧差信息中构建出完整、可靠的背 景区域，所用公式如式( 3) : Back( x，y) = 1 N∑ N－1 i = 0 fi ( x，y) ． ( 3) 2) 通过将当前图像帧和累积均值背景模型进 ·356· 智 能 系 统 学 报 第 6 卷