·358· 智能系统学报 第6卷 大小 踪框己完全收敛于背景，从而导致跟踪的失败， 3实验结果分析 而改进后的算法通过改进和精确目标的本质颜 色特征信息和降低目标区域中的噪声，很好地定位 为了验证改进后算法的性能，对实验者进行了 了目标，并实现了对目标的有效跟踪和防止跟踪框 左右平移、前后平移以及自启动等实验，并且对跟踪 发散（如图5所示）.显然，改进后的算法抗干扰能 过程中出现大面积类肤色干扰也做了相应的实验， 力明显增强，准确度明显提高。 在图4和图5中给出了部分跟踪效果.在实验中采 启动帧如图6(b)所示.由于计算后启动框的大 用静止背景建立背景模型. 小己超出边界，所以对其宽度进行了修正，变为原来 的1/5，同时将左边框设为0点.因为并非针对此区 域生成颜色查询表，而是用前面所述的统计量生成 颜色查询表，所以并未对跟踪产生根本影响. (a)第10帧 (b)第24顿 图4 Canny边缘检测结果 Fig.4 Canny edge detection result (c)第51帧 (d第103顿 图6改进后的跟踪效果 (a)第10帧 (b)第24帧 Fig.6 Tracking result after improvement the frame 10,24,51,and 103 are shown (c)第51帧 (d第103帧 图5改进前的跟踪效果 Fig.5 Tracking result before improvement the frame 图7统计背景和启动帧 10,24,51,and 103 are shown Fig.7 Statistical background and startup frame 由于原算法只采用颜色模型，它是一种比较弱 的目标特征描述，而传统算法中只采取某一帧的感 4结束语 兴趣区域作为描述的目标颜色特征，其中存在大量 本文提出了一种基于统计背景和统计颜色的改 的噪点，从而使颜色查询表不准确，最终导致概率分 进CamShift算法.对于固定背景的摄像头或视频文 布图的不精确和跟踪的失败.传统算法的跟踪效果 件输入，首先运用背景统计算法从累计的帧差信息 如图5所示.采用背景和目标颜色相似的一组视频 中构建出完整、可靠的背景区域，并将其与当前帧相 作为实验对象，当第9帧自启动后，第10帧由于与 比较，得到初始前景对象的感兴趣区域，以此区域为 初始帧相邻紧密，算法还能很好地跟踪目标，但是随 基础累积计算颜色直方图的精确查询表，从而在很 着帧数的增大，跟踪框开始逐渐地发散，并将大量的 大程度上提高了跟踪的准确性.并且借助二值化前 背景色纳入其中.从图中可以看出，当到第51帧时 景图像、重心公式以及类内离散度成功地启动了 跟踪框已基本偏离目标而偏向于背景，到103帧，跟 CamShift算法.大小． 3 实验结果分析 为了验证改进后算法的性能，对实验者进行了 左右平移、前后平移以及自启动等实验，并且对跟踪 过程中出现大面积类肤色干扰也做了相应的实验， 在图 4 和图 5 中给出了部分跟踪效果． 在实验中采 用静止背景建立背景模型． 图 4 Canny 边缘检测结果 Fig． 4 Canny edge detection result 图 5 改进前的跟踪效果 Fig． 5 Tracking result before improvement : the frame 10，24，51，and 103 are shown 由于原算法只采用颜色模型，它是一种比较弱 的目标特征描述，而传统算法中只采取某一帧的感 兴趣区域作为描述的目标颜色特征，其中存在大量 的噪点，从而使颜色查询表不准确，最终导致概率分 布图的不精确和跟踪的失败． 传统算法的跟踪效果 如图 5 所示． 采用背景和目标颜色相似的一组视频 作为实验对象，当第 9 帧自启动后，第 10 帧由于与 初始帧相邻紧密，算法还能很好地跟踪目标，但是随 着帧数的增大，跟踪框开始逐渐地发散，并将大量的 背景色纳入其中． 从图中可以看出，当到第 51 帧时 跟踪框已基本偏离目标而偏向于背景，到 103 帧，跟 踪框已完全收敛于背景，从而导致跟踪的失败． 而改进后的算法通过改进和精确目标的本质颜 色特征信息和降低目标区域中的噪声，很好地定位 了目标，并实现了对目标的有效跟踪和防止跟踪框 发散( 如图 5 所示) ． 显然，改进后的算法抗干扰能 力明显增强，准确度明显提高． 启动帧如图 6( b) 所示． 由于计算后启动框的大 小已超出边界，所以对其宽度进行了修正，变为原来 的 1 /5，同时将左边框设为 0 点． 因为并非针对此区 域生成颜色查询表，而是用前面所述的统计量生成 颜色查询表，所以并未对跟踪产生根本影响． 图 6 改进后的跟踪效果 Fig． 6 Tracking result after improvement : the frame 10，24，51，and 103 are shown 图 7 统计背景和启动帧 Fig． 7 Statistical background and startup frame 4 结束语 本文提出了一种基于统计背景和统计颜色的改 进 CamShift 算法． 对于固定背景的摄像头或视频文 件输入，首先运用背景统计算法从累计的帧差信息 中构建出完整、可靠的背景区域，并将其与当前帧相 比较，得到初始前景对象的感兴趣区域，以此区域为 基础累积计算颜色直方图的精确查询表，从而在很 大程度上提高了跟踪的准确性． 并且借助二值化前 景图像、重心公式以及类内离散度成功地启动了 CamShift 算法． ·358· 智 能 系 统 学 报 第 6 卷