第6期 刘清，等：粒子滤波的视频目标跟踪算法研究 ·541· 对同样的情况采用粒子滤波算法进行跟踪，得 将亮度补偿到直方图的不同的bin中，这样使相邻 到的效果如图2所示.显见粒子滤波跟踪算法在这 帧的同一目标直方图相似度得到提高，所以较 种情况下能很好地跟踪人体.因为在粒子滤波跟踪 Mean-shit方法具有更强的鲁棒性。 中，当图像整体亮度突变时，根据亮度差异的不同， 图1光照变化下Mean-hi近算法跟踪 Fig.1 Mean-shift algorithm for tracking in the light changes 图2光照变化下的粒子滤波算法跟踪 Fig.2 Particle filter algorithm for tracking in the light changes 3.2粒子滤波优化算法的跟踪效果 比说明优化后的效果. 通过试验显示单纯依靠基本的粒子滤波算法还 图3给出的是背景干扰场景下的跟踪效果图， 是不能很好地解决复杂场景、大面积遮挡和目标间 分别是视频的第109、132、230、401、455帧.该图像 互遮挡等难点问题.本文对基本的粒子滤波跟踪算 序列是要验证前景解决跟踪中背景干扰的问题. 法进行了多方面的优化，下面抽取2组图片序列对 (a)未加入前景的跟踪效果图 (b)加入前景优化的跟踪效果图 图3背景干扰场景中的对比跟踪效果图 Fig.3 Comparative tracking effect pictures in the background interference scene 图3(a)是未加入前景的跟踪效果图，在第230 化的跟踪效果图，非前景点不参与直方图统计，背景 帧处跟踪框开始出现漂移，目标逐渐离开复杂背景， 相似对目标跟踪不造成干扰，如图所示目标始终被 到第401帧时目标框大部分还是停留在背景上，因 稳定地跟踪。 为该背景处的颜色直方图与目标模板更为相似.到 图4给出的是场景中出现遮挡物的跟踪效果 第455帧时目标彻底跟丢.图3(b)是加入了前景优 图，分别是视频的第50、78、115、119、145帧.该试验