第4期 刘翠君，等：粒化的Mean Shift行人跟踪算法 ·439. 使得碰撞过程行人跟踪正常。可见当跟踪视频质量 #428 43 较差时GMS比MS更具有优势 6 #467 (a)MS跟踪结果 54 #564 (a)MS跟踪结果 #49人3 53 #473 #482 #490 #564 (b)GMS跟踪结果 图6 Image IV跟踪结果比较 (b)GMS跟踪结果 Fig.6 Comparison of tracking results of image IV 图5mageⅢ跟踪结果比较 3.2与其他类跟踪方法的比较 Fig.5 Comparison of tracking results of image III 观察Image I红衣女子的跟踪结果（图7），发现 表2MS和GMIS的平均迭代次数（次/帧） 针对简单背景的行人跟踪，Kalman滤波和粒子滤波 Table 2 The average iterations of MS and GMS 总体上都能较好地跟踪到目标行人，不会丢失。该 图像 MS GMS 序列光照基本无变化，目标行人运动基本匀速，两个 Image I 4.9787 3.6596 算法在第477帧跟踪位置都有偏差，但是随后跟踪 Image II 5.9583 4.5417 正常，这是因为Kalman滤波预测初始参数的原因， 随着跟踪状态的变化，参数会随时调整，这是不可避 Image IIl 5.5833 4.6250 免的：粒子滤波的粒子采样初始是无经验无知识的， Image IV 5.2381 3.9048 粒子覆盖整个跟踪图像，伴随着不断的重采样，粒子 图6选取的视频图像是CAVIAR数据库FRONT 会渐渐地集中在行人目标上，跟踪位置也不断精确。 VEW中的部分序列，序列中目标行人从视频窗口右 端水平穿过走向视频窗口左端，走过视频窗口中央时 #477 #493 #513 与多名行人发生遮挡随后分离。整个视频图像质量 较差，行人特征极其不明显，光照变化很大，加之有行 人遮挡及背景颜色干扰，跟踪图像背景更为复杂。其 (a)Kalman Filter跟踪结果 中图6(a)是MS的跟踪结果，图6(b)是GIS的跟踪 结果。观察(a)、(b)的跟踪结果，在第493帧发现 #477 493 513 MS目标跟踪片刻丢失，GMS目标跟踪仅仅略有偏 差，这是因为MS需要获取更多的颜色信息，相对应 的对光照变化会更加敏感：第549、564、573帧捕捉了 目标行人碰撞过程，由于行人特征实在不明显使得 (b)Particle Filter跟踪结果 MS跟踪失效，而GMS能适当地容忍颜色特征干扰， 图7 mage I跟踪结果比较 Fig.7 Comparison of Tracking Results of Image I（ａ）ＭＳ 跟踪结果 （ｂ）ＧＭＳ 跟踪结果 图 ５ Ｉｍａｇｅ ＩＩＩ 跟踪结果比较 Ｆｉｇ．５ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｒａｃｋｉｎｇ ｒｅｓｕｌｔｓ ｏｆ ｉｍａｇｅ ＩＩＩ 表 ２ ＭＳ 和 ＧＭＳ 的平均迭代次数（次／ 帧） Ｔａｂｌｅ ２ Ｔｈｅ ａｖｅｒａｇｅ ｉｔｅｒａｔｉｏｎｓ ｏｆ ＭＳ ａｎｄ ＧＭＳ 图像 ＭＳ ＧＭＳ Ｉｍａｇｅ Ｉ ４．９７８ ７ ３．６５９ ６ Ｉｍａｇｅ ＩＩ ５．９５８ ３ ４．５４１ ７ Ｉｍａｇｅ ＩＩＩ ５．５８３ ３ ４．６２５ ０ Ｉｍａｇｅ ＩＶ ５．２３８ １ ３．９０４ ８ 图 ６ 选取的视频图像是 ＣＡＶＩＡＲ 数据库 ＦＲＯＮＴ ＶＩＥＷ 中的部分序列，序列中目标行人从视频窗口右 端水平穿过走向视频窗口左端，走过视频窗口中央时 与多名行人发生遮挡随后分离。 整个视频图像质量 较差，行人特征极其不明显，光照变化很大，加之有行 人遮挡及背景颜色干扰，跟踪图像背景更为复杂。 其 中图 ６（ａ）是 ＭＳ 的跟踪结果，图 ６（ｂ）是 ＧＭＳ 的跟踪 结果。 观察（ａ）、（ｂ）的跟踪结果，在第 ４９３ 帧发现 ＭＳ 目标跟踪片刻丢失，ＧＭＳ 目标跟踪仅仅略有偏 差，这是因为 ＭＳ 需要获取更多的颜色信息，相对应 的对光照变化会更加敏感；第 ５４９、５６４、５７３ 帧捕捉了 目标行人碰撞过程，由于行人特征实在不明显使得 ＭＳ 跟踪失效，而 ＧＭＳ 能适当地容忍颜色特征干扰， 使得碰撞过程行人跟踪正常。 可见当跟踪视频质量 较差时 ＧＭＳ 比 ＭＳ 更具有优势。 （ａ）ＭＳ 跟踪结果 （ｂ）ＧＭＳ 跟踪结果 图 ６ Ｉｍａｇｅ ＩＶ 跟踪结果比较 Ｆｉｇ．６ Ｃｏｍｐａｒｉｓｏｎ ｏｆ ｔｒａｃｋｉｎｇ ｒｅｓｕｌｔｓ ｏｆ ｉｍａｇｅ ＩＶ ３．２ 与其他类跟踪方法的比较 观察 Ｉｍａｇｅ Ｉ 红衣女子的跟踪结果（图 ７），发现 针对简单背景的行人跟踪，Ｋａｌｍａｎ 滤波和粒子滤波 总体上都能较好地跟踪到目标行人，不会丢失。 该 序列光照基本无变化，目标行人运动基本匀速，两个 算法在第 ４７７ 帧跟踪位置都有偏差，但是随后跟踪 正常，这是因为 Ｋａｌｍａｎ 滤波预测初始参数的原因， 随着跟踪状态的变化，参数会随时调整，这是不可避 免的；粒子滤波的粒子采样初始是无经验无知识的， 粒子覆盖整个跟踪图像，伴随着不断的重采样，粒子 会渐渐地集中在行人目标上，跟踪位置也不断精确。 （ａ）Ｋａｌｍａｎ Ｆｉｌｔｅｒ 跟踪结果 （ｂ）Ｐａｒｔｉｃｌｅ Ｆｉｌｔｅｒ 跟踪结果 图 ７ Ｉｍａｇｅ Ｉ 跟踪结果比较 Ｆｉｇ．７ Ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｔｒａｃｋｉｎｇ Ｒｅｓｕｌｔｓ ｏｆ Ｉｍａｇｅ Ｉ 第 ４ 期 刘翠君，等：粒化的 Ｍｅａｎ Ｓｈｉｆｔ 行人跟踪算法 ·４３９·