第2期 杨戈，等：视觉跟踪算法综述 ·97· 像素是否属于前景，属于人体的像素被指定到相应 结的形状和大小以及运动；对象外表模型是描述颜 的人体部分块(blobs)中；但是Pfinder系统只能适 色、纹理和用在连结上的材料，对象外表模型和对象 应场景较小范围或者逐渐变化的情况，不适合场景 几何模型共同决定了对象每点的位置和外表；图像 较大范围或者剧烈变化的情况， 模型是用数学方式描述摄像机；对象动态模型是通 文献[7]将图像序列中的当前帧分割成不重叠 过状态空间来描述关于运动的假设.在整体系统模 的区域：跟踪区域(the tracking regions)和非跟踪区 型中，通过初始化函数来实现其他模型.但是，它需 域(non-tracking region),这个分割可以看成马尔可 要事先给定被跟踪对象的外表模型和结构，造成一 夫标记过程.在贝叶斯框架中，它使用区域的空间特 定的局限性。 征概率表示式作为条件分布，这个跟踪算法能够解 文献[9]在3-D时空空间中，提出了基于格子 决局部变形和部分遮挡问题.它没有要求跟踪区域 的马尔可夫任意域的模型，它由表现拓扑约束的全 的形状属于特定形状，也没有要求跟踪区域和背景 局晶格结构和处理局部几何以及外表变化的图像观 有较大区别.它使用二重随机模型使得估计最优标 测模型构成，利用信任传播和粒子滤波器实现了跟 记域更加快速和准确.但是，它要求跟踪区域的外形 踪算法，不需要对运动类型或光照条件做任何假设， 服从确定的概率分布 有效地解决了动态近似纹理跟踪的困难.这个跟踪 1.2基于模型的跟踪算法 算法由纹理检测、空间推理、时间跟踪和模板更新等 基于模型的跟踪算法首先由先验知识产生对象 构成.但是它不允许格子拓扑在跟踪过程中动态变 的模型，然后将图像数据和对象模型进行匹配来实 化，失去了自适应性， 现跟踪对象)].它能够利用对象表面或轮廓的先验 文献[10]提出了基于模型的跟踪算法，它通过 知识，这种跟踪算法具有较强的健壮性，即使对象间 检测和跟踪运动对象提取了目标的轨迹，构造了 互相遮挡或干扰的情况下，也能取得较好的性能.对 个模型，然后用模型和后续的图像进行匹配，实现跟 于人体跟踪，能够综合考虑人体结构、人体运动的限 踪对象.这个模型能够表示目标对象的区域和结构 制和其他先验知识；对于3-D模型的跟踪，一旦建立 特征，如对象的形状、纹理、颜色、边缘等.它包括2 了2-D图像坐标和3-D坐标的几何关联，也就自然 个模块：预计模块和更新模块.预计模块用来估计目 获得了对象的3-D姿势、即使对象改变了较大的角 标对象的运动参数，更新模块是用来表示目标对象 度，也可以运用基于3-D模型的跟踪算法。 的变化.它还设计了能够体现跟踪对象的结构属性 文献[2]将人体模型分成：线图模型、2-D模型、 和光谱属性的能量函数，运用卡尔曼滤波器预计运 3D模型、等级模型.线图模型把身体各个部分用线 动信息，减少了匹配过程的搜索空间.但是，它没有 以及关节（关节用线连接起来）相连接的方式再现。 考虑跟踪对象的遮挡 2-D模型是把身体直接投影到图像平面上，但它对观 文献[11]针对较低分辨率的脸部图像，提出了 测角度进行了限制.3-D模型包括椭圆圆筒状、圆锥 基于3-D几何模型的脸部跟踪算法，首先估计3-D 体等，它不需要对观测角度进行限制，但它需要更多 脸部模型的运动参数，然后，提取脸部模型的稳定纹 的参数，更复杂的计算.等级模型将人体分成骨架、代 理图.脸部纹理图像的表面变化反映了运动估计的 表脂肪的椭圆球、代表皮肤和阴影的多边形表面，这 准确性或者光线变化的情况，所以脸部纹理图像的 种模型可以获得更加准确的效果，但也更复杂 表面变化又被用来估计脸部运动.但是，它的计算成 文献[8]针对复杂的、有关节的对象提出了基 本较高 于模型的跟踪算法，跟踪算法将规测到的场景灰度 1.3基于特征的跟踪算法 图像和以前收集到的被跟踪对象的配置信息结合起 基于特征的跟踪算法是通过提取图像中元素， 来，估计被跟踪对象的配置.它是基于对象上的离散 把它们归结为高级别的特征，在图像之间匹配这些 特征之间的联系来跟踪对象的，首先通过模板匹配 特征，从而实现对象的跟踪.这种算法的好处是：即 来搜索特征的位置，然后从特征之间的联系来推断 使出现局部遮挡，运动对象的一些子特征仍然可见， 对象的运动.整个跟踪系统建立了5个模型：整体系 它分成基于全局特征的跟踪算法、基于局部特征的 统模型、对象几何模型、对象外表模型、图像模型、对 跟踪算法、基于依赖图像的跟踪算法3] 象动态模型.对象几何模型是描述关节对象各个连 为了解决遮挡问题，改善基于特征的跟踪，文献