基于Kalman滤波的CAMShift目标跟踪算法

马洪涛 吴赛敏

摘 要：针对传统的CAMShift算法跟踪目标丢失的问题，提出一种基于Kalman滤波的CAMShift目标跟踪算法。为验证改进后算法，可用安装摄像头的农田作业设备采集图像，并对图像中的特定目标进行跟踪。该算法用Kalman滤波器预测下一帧特定目标的位置，统计候选目标的直方图并进行反向投影，将得到的色彩概率分布图跟踪特定目标的特征。实验表明，改进后的算法在目标快速运动的情况下仍然取得较好的跟踪效果，具有较好的稳定性。

关键词：CAMShift算法;Kalman滤波器;特定目标跟踪;色彩概率分布图

Abstract：Aiming at the problem of tracking target loss by the traditional CAMShift algorithm，a Kalman filtering based CAMShift target tracking algorithm is proposed.To validate the improved algorithm，images can be acquired using a farmland-mounted farm equipment and tracking specific targets in the image.The algorithm uses the Kalman filter to predict the position of a specific target in the next frame，counts the histogram of the candidate target and performs back projection，and traces the obtained color probability distribution map to the characteristics of the specific target.Experiments show that the improved algorithm still achieves better tracking effect in the case of fast target motion and has better stability.

Key words：CAMShift algorithm;Kalman filter;specific target tracking;color probability distribution map

目標跟踪是计算机视觉领域发展较快的方向。近些年，Meanshift算法在目标跟踪方面应用广泛，但也有不足之处，它无法对目标模型进行更新。为解决该算法无自适应问题，Bradski在Meanshift算法的基础上提出基于颜色概率信息的CAMShift算法，它运行效率较高，但目标运动较快时，跟踪出现较大偏差，甚至丢失目标。为解决此问题，Huang等人提出采用Kalman滤波器对当前帧中特定目标位置进行预测，减少了传统CAMShift算法的计算量。

针对上述问题，提出一种结合Kalman滤波的CAMShift目标跟踪算法的改进方案。该算法采用Kalman滤波预测下一帧图像中特定目标的位置，统计候选目标的直方图并进行反向投影得到色彩概率分布图，将其作为CAMShift算法的输入图像判定特定目标区域，并将当前帧中的特定目标的位置信息更新给Kalman滤波。

1 CAMShift目标跟踪算法

CAMShift算法：CAMShift是一种自适应算法，根据特定目标的尺度变化不断调整搜索窗大小，[1]实现自适应控制功能。算法过程如下：

（1）选取特定目标，作为模板目标;

（2）计算模板目标的色彩概率分布图;

（3）用Meanshift算法计算搜索窗的质心;

（4）将搜索窗的质心作为中心点，得到最终搜索窗口的位置和大小;

（5）在下帧图像中用（4）的搜索窗信息跟踪目标，执行（2），实现连续跟踪目标。

2 算法改进

2.1 Kalman滤波预测目标位置

2.2 算法实现

在特定目标跟踪过程中，用Kalman滤波器估计特定目标的位置，[3]降低了CAMShift算法的计算量，[4]提高了目标跟踪的有效性。具体步骤如下：

（1）读取视频序列，选择特定的目标区域，初始化Kalman滤波器;

（2）更新的Kalman滤波器预测当前帧特定目标位置，计算搜索窗的色彩概率分布图;

（3）将其作为CAMShift算法的输入图像，得到当前帧候选目标的位置信息并更新Kalman滤波器;

（4）在下帧图像中，用更新的Kalman滤波器预测特定目标的位置作为当前帧的候选目标，之后确定搜索窗口，返回（2）继续执行，实现持续跟踪目标。

3 实验结果分析

选取安装摄像头的机械设备做快速运动时的图片，跟踪的特定目标为遗落的农作物，并将跟踪结果显示在蓝色框里，同时将第12帧图像作为初始帧并手动选择跟踪目标。图1仅采用CAMShift算法，可看出从第43帧开始，框选目标的蓝色矩形框逐渐变大，将要布满整个图片，往后甚至会出现丢失跟踪目标的情况。图2采用改进的CAMShift跟踪算法，从跟踪的情况来看，蓝色框也存在稍微偏离特定目标的情况，但和图1相比偏离程度明显降低，仍很好地对农作物进行跟踪，具有较好的稳定性。

实验表明，在农田作业机械快速运动的情景下，改进的算法仍能较好的跟踪目标，与传统CAMShift算法相比，很明显的改善了目标跟踪的精确性，达到了期望的效果。

4 结论

本文提出基于Kalman滤波的CAMShift目标跟踪算法，减少了CAMShift算法的计算量，改进了以颜色特征为主要跟踪依据的传统CAMShift算法的跟踪效果，使跟踪目标得到更加准确的定位。实验证明该算法计算时间短，可更加准确的跟踪目标，是一种可以进行广泛应用的算法。

参考文献：

[1]周尚波，胡鹏，柳玉炯.基于改进Mean-shift与自适应Kalman滤波的视频目标跟踪[J].计算机应用，2010，30（6）：1573-1576.

[2]余彦霖，祖家奎，廖智麟.基于卡尔曼滤波的MUH姿态信号融合算法研究[J].电子测量技术，2015，38（5）：106-110.

[3]王江涛.基于视频的目标检测、跟踪及其行为识别研究[D].南京：南京理工大学，2008.

[4]KIN HONG WONG，YING KIN YU，HO YIN FUNG.Robust and efficient pose tracking using perspective-four-point algorithm and Kalman filter[C].St.Petersburg，Russia：International Conference on Mechanical，System and Control Engineering，2017.

作者简介：马洪涛（1963-），男，学士，副教授，研究方向为计算机测控技术、电力电子技术;吴赛敏（1991-），女，硕士，研究方向为机器视觉、电子通信。