第11卷第4期 智能系统学报 Vol.11 No.4 2016年8月 CAAI Transactions on Intelligent Systems Aug.2016 D0I:10.11992/is.201605033 网络出版地址：http://www.cnki.net/kcms/detail,/23.1538.TP.20160808.0831.022.html 粒化的Mean Shift行人跟踪算法 刘翠君，赵才荣，苗夺谦，王学宽 (同济大学电子与信息工程学院，上海201804) 摘要：Mean Shift行人跟踪采用颜色特征直方图作为跟踪特征，存在易受背景颜色干扰等问题。基于此，在传统的 Mean Shift行人跟踪算法中引入粒计算的思想，提出粒化的Mean Shift行人跟踪算法，对图像目标区域作粒层分块来 提取块颜色特征信息，并在颜色特征表示上作不同粒度的粒化，最后在Mean Shift迭代框架下实现行人跟踪。该方 法相比传统的跟踪方法具有计算复杂度更低、稳健性更好的优点。在PETS20O9和CAVIAR数据库做的实验表明， 这种方法跟踪正确率更高，在颜色干扰下稳健性更好，能够实时有效地跟踪行人。 关键词：信息粒：粒计算：Mean Shift:特征提取：行人跟踪 中图分类号：TP391文献标志码：A文章编号：1673-4785(2016)04-0433-09 中文引用格式：刘翠君，赵才荣，苗夺谦，等.粒化的Mean Shif价行人跟踪算法[J].智能系统学报，2016,11(4)：433-441. 英文引用格式：LIUCuijun,ZHAO Cairong,MIAO Duoqian,etal.Granular mean shift pedestrian tracking algorithm[J].CAAl Transactions on Intelligent Systems,2016,11(4):433-441. Granular mean shift pedestrian tracking algorithm LIU Cuijun,ZHAO Cairong,MIAO Duoqian,WANG Xuekuan (College of Electronics and Information Engineering,Tongji University,Shanghai 201804,China) Abstract:Mean shift pedestrian tracking that uses a color histogram as its tracking feature has drawbacks,e.g., performance can easily be affected by the introduction of a background color.To solve this problem,the idea of granular computing was introduced into the traditional mean shift pedestrian tracking algorithm,and a new granular mean shift pedestrian tracking algorithm,based on granular computing,is presented.The algorithm blocks the im- age's target area with specific granularity to extract color features,then adopts different color channels of granula- tion on the feature,and finally realizes target tracking under the framework of the mean shift iteration.Compared with other traditional methods the algorithm displays lower computational complexity and is more robust.Experimen- tal results on PETS2009 and CAVIAR databases show that the algorithm achieves a higher tracking accuracy,better robustness and efficiency under color interference,and can track the target pedestrian in real time. Keywords:information granules;granular computing;mean shift;feature extraction;pedestrian tracking 行人跟踪涉及行人检测和行人跟踪两部分。行标匹配和目标定位。行人跟踪算法分属两大类：确 人检测属于运动目标检测，目的是从图像序列中将 定性跟踪和随机跟踪。确定性跟踪以Mean Shift 行人目标从背景图像中提取出来：行人跟踪则是在 (MS)跟踪为主线，是以相似度度量作为代价函数的 视频图像序列中检测定位出行人，包括目标建模、目 优化问题，有一系列基于MS的跟踪算法[2-)：随机 跟踪将视觉跟踪转化为贝叶斯理论框架下的状态估 收稿日期：2016-05-30.，网络出版日期：2016-08-08. 计问题，目前典型的随机跟踪算法有Kalman滤波跟 基金项目：国家自然科学基金项目(61273304)：上海市中医药三年行动 计划重点项目(ZY3-CCCX-3-6002) 踪[o和粒子滤波跟踪)。以MS为代表的行人跟 通信作者：苗夺谦.E-mail:dqmiao(@tongji.cdu.cm. 踪算法因其简单稳健的优势而广受研究者青睐。文第 １１ 卷第 ４ 期 智 能 系 统 学 报 Ｖｏｌ．１１ №．４ ２０１６ 年 ８ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ａｕｇ． ２０１６ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１６０５０３３ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１６０８０８．０８３１．０２２．ｈｔｍｌ 粒化的 Ｍｅａｎ Ｓｈｉｆｔ 行人跟踪算法 刘翠君，赵才荣，苗夺谦，王学宽 （同济大学 电子与信息工程学院，上海 ２０１８０４） 摘 要：Ｍｅａｎ Ｓｈｉｆｔ 行人跟踪采用颜色特征直方图作为跟踪特征，存在易受背景颜色干扰等问题。 基于此，在传统的 Ｍｅａｎ Ｓｈｉｆｔ 行人跟踪算法中引入粒计算的思想，提出粒化的 Ｍｅａｎ Ｓｈｉｆｔ 行人跟踪算法，对图像目标区域作粒层分块来 提取块颜色特征信息，并在颜色特征表示上作不同粒度的粒化，最后在 Ｍｅａｎ Ｓｈｉｆｔ 迭代框架下实现行人跟踪。 该方 法相比传统的跟踪方法具有计算复杂度更低、稳健性更好的优点。 在 ＰＥＴＳ２００９ 和 ＣＡＶＩＡＲ 数据库做的实验表明， 这种方法跟踪正确率更高，在颜色干扰下稳健性更好，能够实时有效地跟踪行人。 关键词：信息粒；粒计算；Ｍｅａｎ Ｓｈｉｆｔ；特征提取；行人跟踪 中图分类号： ＴＰ３９１ 文献标志码：Ａ 文章编号：１６７３－４７８５（２０１６）０４－０４３３－０９ 中文引用格式：刘翠君，赵才荣，苗夺谦，等． 粒化的 Ｍｅａｎ Ｓｈｉｆｔ 行人跟踪算法［Ｊ］． 智能系统学报， ２０１６， １１（４）： ４３３－４４１． 英文引用格式：ＬＩＵ Ｃｕｉｊｕｎ， ＺＨＡＯ Ｃａｉｒｏｎｇ， ＭＩＡＯ Ｄｕｏｑｉａｎ， ｅｔ ａｌ． Ｇｒａｎｕｌａｒ ｍｅａｎ ｓｈｉｆｔ ｐｅｄｅｓｔｒｉａｎ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ［Ｊ］． ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ， ２０１６， １１（４）： ４３３－４４１． Ｇｒａｎｕｌａｒ ｍｅａｎ ｓｈｉｆｔ ｐｅｄｅｓｔｒｉａｎ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ ＬＩＵ Ｃｕｉｊｕｎ， ＺＨＡＯ Ｃａｉｒｏｎｇ， ＭＩＡＯ Ｄｕｏｑｉａｎ， ＷＡＮＧ Ｘｕｅｋｕａｎ （Ｃｏｌｌｅｇｅ ｏｆ Ｅｌｅｃｔｒｏｎｉｃｓ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｔｏｎｇｊｉ Ｕｎｉｖｅｒｓｉｔｙ， Ｓｈａｎｇｈａｉ ２０１８０４， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｍｅａｎ ｓｈｉｆｔ ｐｅｄｅｓｔｒｉａｎ ｔｒａｃｋｉｎｇ ｔｈａｔ ｕｓｅｓ ａ ｃｏｌｏｒ ｈｉｓｔｏｇｒａｍ ａｓ ｉｔｓ ｔｒａｃｋｉｎｇ ｆｅａｔｕｒｅ ｈａｓ ｄｒａｗｂａｃｋｓ， ｅ． ｇ．， ｐｅｒｆｏｒｍａｎｃｅ ｃａｎ ｅａｓｉｌｙ ｂｅ ａｆｆｅｃｔｅｄ ｂｙ ｔｈｅ ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ａ ｂａｃｋｇｒｏｕｎｄ ｃｏｌｏｒ． Ｔｏ ｓｏｌｖｅ ｔｈｉｓ ｐｒｏｂｌｅｍ， ｔｈｅ ｉｄｅａ ｏｆ ｇｒａｎｕｌａｒ ｃｏｍｐｕｔｉｎｇ ｗａｓ ｉｎｔｒｏｄｕｃｅｄ ｉｎｔｏ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｍｅａｎ ｓｈｉｆｔ ｐｅｄｅｓｔｒｉａｎ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ， ａｎｄ ａ ｎｅｗ ｇｒａｎｕｌａｒ ｍｅａｎ ｓｈｉｆｔ ｐｅｄｅｓｔｒｉａｎ ｔｒａｃｋｉｎｇ ａｌｇｏｒｉｔｈｍ， ｂａｓｅｄ ｏｎ ｇｒａｎｕｌａｒ ｃｏｍｐｕｔｉｎｇ， ｉｓ ｐｒｅｓｅｎｔｅｄ． Ｔｈｅ ａｌｇｏｒｉｔｈｍ ｂｌｏｃｋｓ ｔｈｅ ｉｍ⁃ ａｇｅ’ｓ ｔａｒｇｅｔ ａｒｅａ ｗｉｔｈ ｓｐｅｃｉｆｉｃ ｇｒａｎｕｌａｒｉｔｙ ｔｏ ｅｘｔｒａｃｔ ｃｏｌｏｒ ｆｅａｔｕｒｅｓ， ｔｈｅｎ ａｄｏｐｔｓ ｄｉｆｆｅｒｅｎｔ ｃｏｌｏｒ ｃｈａｎｎｅｌｓ ｏｆ ｇｒａｎｕｌａ⁃ ｔｉｏｎ ｏｎ ｔｈｅ ｆｅａｔｕｒｅ， ａｎｄ ｆｉｎａｌｌｙ ｒｅａｌｉｚｅｓ ｔａｒｇｅｔ ｔｒａｃｋｉｎｇ ｕｎｄｅｒ ｔｈｅ ｆｒａｍｅｗｏｒｋ ｏｆ ｔｈｅ ｍｅａｎ ｓｈｉｆｔ ｉｔｅｒａｔｉｏｎ． Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｏｔｈｅｒ ｔｒａｄｉｔｉｏｎａｌ ｍｅｔｈｏｄｓ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｄｉｓｐｌａｙｓ ｌｏｗｅｒ ｃｏｍｐｕｔａｔｉｏｎａｌ ｃｏｍｐｌｅｘｉｔｙ ａｎｄ ｉｓ ｍｏｒｅ ｒｏｂｕｓｔ． Ｅｘｐｅｒｉｍｅｎ⁃ ｔａｌ ｒｅｓｕｌｔｓ ｏｎ ＰＥＴＳ２００９ ａｎｄ ＣＡＶＩＡＲ ｄａｔａｂａｓｅｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ａｃｈｉｅｖｅｓ ａ ｈｉｇｈｅｒ ｔｒａｃｋｉｎｇ ａｃｃｕｒａｃｙ， ｂｅｔｔｅｒ ｒｏｂｕｓｔｎｅｓｓ ａｎｄ ｅｆｆｉｃｉｅｎｃｙ ｕｎｄｅｒ ｃｏｌｏｒ ｉｎｔｅｒｆｅｒｅｎｃｅ， ａｎｄ ｃａｎ ｔｒａｃｋ ｔｈｅ ｔａｒｇｅｔ ｐｅｄｅｓｔｒｉａｎ ｉｎ ｒｅａｌ ｔｉｍｅ． Ｋｅｙｗｏｒｄｓ： ｉｎｆｏｒｍａｔｉｏｎ ｇｒａｎｕｌｅｓ； ｇｒａｎｕｌａｒ ｃｏｍｐｕｔｉｎｇ； ｍｅａｎ ｓｈｉｆｔ； ｆｅａｔｕｒｅ ｅｘｔｒａｃｔｉｏｎ； ｐｅｄｅｓｔｒｉａｎ ｔｒａｃｋｉｎｇ 收稿日期：２０１６－０５－３０． 网络出版日期：２０１６－０８－０８． 基金项目：国家自然科学基金项目（６１２７３３０４）；上海市中医药三年行动 计划重点项目（ＺＹ３⁃ＣＣＣＸ⁃３⁃６００２） 通信作者：苗夺谦． Ｅ⁃ｍａｉｌ：ｄｑｍｉａｏ＠ ｔｏｎｇｊｉ．ｅｄｕ．ｃｎ． 行人跟踪涉及行人检测和行人跟踪两部分。 行 人检测属于运动目标检测，目的是从图像序列中将 行人目标从背景图像中提取出来；行人跟踪则是在 视频图像序列中检测定位出行人，包括目标建模、目 标匹配和目标定位。 行人跟踪算法分属两大类：确 定性跟踪和随机跟踪。 确定性跟踪以 Ｍｅａｎ Ｓｈｉｆｔ （ＭＳ）跟踪为主线，是以相似度度量作为代价函数的 优化问题，有一系列基于 ＭＳ 的跟踪算法［２－９］ ；随机 跟踪将视觉跟踪转化为贝叶斯理论框架下的状态估 计问题，目前典型的随机跟踪算法有 Ｋａｌｍａｎ 滤波跟 踪［１０］和粒子滤波跟踪［１１］ 。 以 ＭＳ 为代表的行人跟 踪算法因其简单稳健的优势而广受研究者青睐。 文