·98 智能系统学报 第5卷 [12]提出了分布实时的计算平台，它使用了智能多 法的描述对象更简单、更有效，减少了计算的复杂 视角的空间综合方法，使得在特征点被遮挡时，仍能 性，即使在干扰或被部分遮挡的情况下，仍能连续跟 实现准确的特征跟踪.它对空间数据运用概率权值 踪对象，但是基于主动轮廓的跟踪算法的准确性被 配置，实现了简单的动态多维拓扑结构的贝叶斯信 限制在轮廓级别，而且它对跟踪的初始化特别敏感， 任网，通过综合考虑时间和空间的信任分布，改善了 如果初始轮廓位置设置不当，可使得能量函数只是 被遮挡特征的跟踪.但是，它的实现需要多个摄像机 达到局部极小，这时的分割结果就是错误的，使得这 从不同视角协同工作，增加了协调的难度！ 种跟踪算法很难自动地开始运行[3].Snake模型非 为了从视频中检测出公路标志上的文本，文献 常适合可变形目标的跟踪， [13]设计了一个健壮的框架，它实现了公路标志的 Snake模型根据运动模型、曲线模型、解决方 定位和标志中文本的检测2个子功能，通过基于特 法、曲线影响条款的类型等来进行分类18]，又分成 征的跟踪算法把2个子功能自然地合并成一个统一 参数模型94]和非参数模型25].参数模型引入的能 的框架 量函数不是固定的，它是通过参数来表示和改变的， 文献[14]提出了在自然环境中，移动机器人基 通过参数来决定外部力量的形式，在外部力量和内 于视觉的3-D定位系统，通过使用特征跟踪和迭代 部力量之间调整，取得平衡.因此，寻找适合的参数 运动估计，得到准确的运动向量，场景特征和机器人 是实现这种模型的难点.非参数模型是把寻找适合 的3-D位置通过卡尔曼滤波器来修正.但是它的计 参数的问题转化成寻找适合的密度估计问题 算成本较高，实现较困难 文献[19]第一次提出了主动轮廓模型，设计这 文献[15]提出了基于视觉的移动机器人的双 样一个能量函数：其局部极值组成了可供高层视觉 目稀疏特征分段算法，它使用Lucas-Kanade特征检 处理进行选择的方案，从该组方案中选择最优的一 测和匹配来决定图像中人体的位置，并控制机器人 种是由能量项的迭加来完成.这样，在寻找显著的图 随机抽样舆论策略被用来分隔稀疏不等图，同时估 像特征时，高层机制可能通过将图像特征推向一个 计人体和背景的运动模型.它不要求人体穿戴和周 适当的局部极值点而与模型进行交互.它通过收敛 围环境不同颜色的衣服，能够可靠地跟踪室内和室 曲线能量函数实现对图像轮廓的精确定位，更好地 外的人体.但是，仅仅依靠稀疏特征使得系统容易被 利用了能量函数，使用尺度空间来扩大兴趣特征周 具有相似运动的其他对象干扰，另外，它不能处理被 围的抓取区域.它把过去需要不同对待的视觉问题 跟踪的人体离开摄像机视野的情况，也不能处理被 归结成可以统一处理，在同一框架中，边缘、线条、轮 跟踪的人体被其他对象完全遮挡的情况， 廓可以很容易被找到并进行处理.但它更侧重于跟 1.4基于主动轮廓的跟踪算法 踪时变图像的轮廓，算法的搜索效率也不是很理想 基于主动轮廓的跟踪（基于Snake模型的跟踪， 文献[20]提出了能够自动提取用户嘴唇的模 基于可变形模型的跟踪)通常不是利用整体对象的 型，它使用了高斯混合模型、线形判别模型、贝叶斯 空间和运动信息，仅仅依靠视频对象边界的信息来 模型等.它实现了无需他人监督的分割方法，能够定 实现跟踪4].它再现对象的轮廓，在后续的视频帧 位用户的脸、嘴唇.随着兴趣区域被自动定位，模型 中动态地更新对象的轮廓.它被广泛研究并应用于 的提取问题转化成传统的模型相称的问题.它把常 边缘检测、图像分割、形状建模和物体跟踪等图像处 用形状作为先验知识来提高提取嘴唇模型的准确 理和计算机视觉领域.Snake是在图像域内定义的 性.但是它没有给出在分级分割过程中混合器的最 可变形曲线，通过对其能量函数的最小化，从而调整 佳数目，实现较困难 Snake的自然形状使与对象轮廓相一致.Snake的形 文献[2l]提出了基于Kalman滤波器的Kalman 状由曲线本身的内力和图像数据的外力所控制.作 Snake模型，它由2部分组成：基本Snake模型，用于 用在Snake上的力依据于轮廓所处的位置和其形状 单帧图像的分割；用于设定每帧Snake的初始位置， 局部调整曲线的变化.内力和外力的作用是不同的： 由前n帧位置的Kalman估计得到.Kalman Snake模 内力起到平滑约束的作用，描述弹力的属性和轮廓 型能够检测运动图像中对象的位置和运动速度.它 的刚性，而外力则引导Snake向图像边界移动161 把基于梯度的图像潜力和沿着轮廓的光流作为系统 和基于区域的跟踪算法比，基于主动轮廓的跟踪算 的测量方法，使用基于光流法的检测机制，提高了算