基于Meanshift的灰度目标跟踪新算法.pdf

第!!卷第"期光学技术2345!!/35"
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
"##$年!月&’()*+,(-*./)01-6785%"##$

%%文章编号：9##":9;<"（"##$）#":#""=:#>

基于!"#$%&’()*的灰度目标跟踪新算法!
张旭光9，"，赵恩良!，王延杰9
（95中国科学院长春光学精密机械与物理研究所，长春%9!##!!）
（"5中国科学院研究生院，北京%9###!?；!5沈阳建筑大学理学院，沈阳%99#9=<）
摘%要：6@7ABCDEFG算法是一种非参数密度估计算法，可以实现快速的最优匹配，在目标的实时跟踪领域起着非常
重要的作用。为了有效的将6@7ABCDEFG算法应用到灰度图像中，采用了以方向直方图建立目标模型的策略，提出了在
灰度图像中以6@7ABCDEFG为核心的目标跟踪算法。实验结果表明，该算法具有不受光照条件影响的优点，在低对比度
的情况下仍能实现稳定、实时的跟踪目标。
关键词：目标跟踪；6@7ABCDEFG；方向编码；方向直方图；HD7GG7ID78JJ7系数
中图分类号：(’">"5=K"；(’!?9%%%文献标识码：+
+$",#-./0(*’1)/0*0#23($..0#4/56"2*5#&"7/$!"#$%&’()*
!"#$%&’B(’)*(9，"，!"#+,*B-.)*(!，/#$%0)*B1.29
（95*D7ALIDMA)ACGEGMG@3F&NGEIC，OEA@6@ID7AEIC7AP’DJCEIC，*DEA@C@+I7P@QJ3FRIE@AI@C，*D7ALIDMA%9!##!!，*DEA7）
（"5S87PM7G@RID3343FGD@*DEA@C@+I7P@QJ3FRIE@AI@C，H@ETEAL%9###!?，*DEA7）
（!5O7IM4GJ3FH7CEIRIE@AI@C，RD@AJ7AL+8IDEG@IGM8@7AP*EUEI-ALEA@@8EAL1AEU@8CEGJ，RD@AJ7AL%99#9=<，*DEA7）
+5&*0#2*：(D@6@7ABCDEFG74L38EGDQEC7A3AN787Q@G8EIP@ACEGJ@CGEQ7GE3AQ@GD3P5(D@F7CG7AP3NGEQ74Q3P@Q7GIDEAL
I7AV@7IDE@U@PVJGDECQ@GD3P5(DEC74L38EGDQN47JC7U@8JEQN38G7AG834@CEA8@74BGEQ@3VT@IGG87IWEALFE@4P5)A38P@8G37NN4J
6@7ABCDEFG74L38EGDQ3AL87JB4@U@4EQ7L@，7CG87G@LJGD7GMCEAL38E@AG7GE3ADECG3L87QG38@N8@C@AGG78L@GEC7P3NG@P5+A@X74:
L38EGDQV7C@P3A6@7ABCDEFGEC@CG7V4ECD@P5-YN@8EQ@AG8@CM4GCCD3XGD7GGDEC74L38EGDQI7A7P7NGGD@ID7AL@3FE44MQEA7GE3A5
(D3MLDGD@I3AG87CG3FEQ7L@EC43X，GD@3VT@IGI7AV@G87IW@P83VMCG7AP8@74BGEQ@MCEALGD@A@X74L38EGDQ5
8"4,/07&：3VT@IGG87IWEAL；6@7ABCDEFG；38E@AG7GE3AI3P@；38E@AG7GE3ADECG3L87Q；HD7GG7ID7JJ7I3@FFEIE@AG
内外的学者还没有提出成熟的算法来解决上述问
9:引:言
题。本文提出了以代表图像的梯度方向信息的方向

目标的实时跟踪在计算机视觉领域有着非常重［］
直方图?为特征，将方向直方图与6@7ABCDEFG算法
要的应用。近年来在目标跟踪领域提出了许多很好
相结合，使得6@7ABCDEFG算法在灰度图像中的应用
的算法，如以提取轮廓［9］、纹理、颜色等特征来实现
更加有效。由于方向直方图代表的是图像的梯度方
对目标的识别，在频域下利用傅里叶［"］和小波［!］来
进行目标识别和利用神经网络［>］来识别目标等。向信息，因此具有抗缩放和抗光照的优点，体现了图
然而许多算法由于计算复杂都未能应用到对实时性像的边缘及纹理特征，尤其在图像的对比度低的情
要求较高的场合。Z38EA*3Q7AEIEM将6@7ABCDEFG况下，方向直方图仍可以稳定地跟踪目标。
算法引入到了目标跟踪领域［;，=］，极大的减少了跟
踪算法的计算量。因此国内外有许多学者继续在完;:!"#$%&’()*的原理
［］
善算法的应用$，解决了算法中存在的［］
6@7ABCDEFG6@7ABCDEFG算法9#是一种非参数概率密度估
一些缺点和不足［