均值漂移算法的研究与应用
均值漂移跟踪算法
在无人驾驶车辆测试平台上利用均值漂移跟踪算法实现移 动图像的实时跟踪 Benjamin Gorry, Zezhi Chen, Kevin Hammond, Andy Wallace, and Greg Michaelson 摘要：本文描述了一种用来跟踪移动目标的新型计算机视觉算法，该算法是作为 无人驾驶车辆长期研究的一部分而被发展的。我们将介绍在视频序列中利用变量核 进行跟踪的研究结果。其中，均值漂移目标跟踪算法是我们工作的基础；对于一个 移动目标，该算法通常用来在初始帧中确定一个矩形目标窗口，然后利用均值漂移 分离算法处理该窗口中的数据，将跟踪目标从背景环境中分离出来。我们并没有使 用标准的Epanechnikov内核，而是利用一个倒角距离变换加权内核来提升目标表 示和定位的精度，利用Bhattacharyya系数使RGB色彩空间中两个分布之间的距离 最小化。实验结果表明，相对于标准算法，本算法在跟踪能力和通用性上有一定的 提升。这些算法已经运用在机器人试验平台的组成部分中，并证明了这些算法的有 效性。 关键词：Hume，函数程序设计，无人驾驶车辆，先驱者机器人，视觉 I.引言 本文比较和对比了在视觉序列中跟踪移动目标的三种计算机视觉算法。对于很多无人驾驶车辆（A V）来说，在复杂背景中检测和跟随移动目标的应用是至关重要的。例如，这可以让一个全尺寸无人驾驶车辆跟踪行人或者移动车辆并避免与之相撞。同时对于机器人而言，这项技术也可以提升导航性能和增强安全性。对单个移动目标的良好隔离，将便于我们针对感兴趣的目标进行应用开发。而所有的这些应用都要求我们能够实时的处理全彩色的视频序列。 我们的工作是在基于先驱者P3-AT全地形机器人的无人驾驶车辆测试平台上进行的，它是一个英国项目的一部分。这个庞大的项目是由国防科学技术中心（DTC）下辖的无人系统工程（SEAS）为了开发新型无人驾驶车辆传感器技术而建立的。国防科学技术中心的无人系统工程是由英国工业联盟操作管理，旨在通过采取系统工程的方法在整个系统和子系统
opencv实现分水岭,金字塔,均值漂移算法进行分割
using System; using System.Collections.Generic; using https://www.wendangku.net/doc/ea18915887.html,ponentModel; using System.Data; using System.Drawing; using System.Linq; using System.Text; using System.Windows.Forms; using System.Diagnostics; using System.Runtime.InteropServices; using Emgu.CV; using Emgu.CV.CvEnum; using Emgu.CV.Structure; using Emgu.CV.UI; namespace ImageProcessLearn { public partial class FormImageSegment : Form { //成员变量 private string sourceImageFileName = "wky_tms_2272x1704.jpg";//源图像文件名 private Image
基于均值漂移的视觉目标跟踪方法综述
基于均值漂移的视觉目标跟踪方法综述 齐 飞，罗予频，胡东成 (清华大学自动化系，北京 100084) 摘 要：基于均值漂移的视觉目标跟踪方法具有模型简洁实用、能够处理目标形变及部分遮挡等复杂情形的优点，算法高效且易于模块化实现。各种改进的模型及方法针对目标的尺度变化、特征分布等核心问题进行了系统研究，跟踪性能得到了进一步提高。该文从基本的均值漂移跟踪方法出发，系统介绍了此类方法的发展过程与最新成果。 关键词：均值漂移；视觉目标跟踪；核函数；相似性度量 Overview on Visual Target Tracking Based on Mean Shift QI Fei, LUO Yu-pin, HU Dong-cheng (Department of Automation, Tsinghua University, Beijing 100084) 【Abstract 】Mean-shift-based visual target tracking is one of the hotspots in the field of computer vision. The model of the algorithm is simple,efficient and easy-to-implement, and it can handle the complex cases such as deformations and partial occlusions. Recent researches on scale adaptation of the tracking window and distributions of features improve the performance of such trackers. This paper introduces the development and the state of such kind of the algorithms. 【Key words 】mean shift; visual target tracking; kernel functions; similarity measurement 计 算 机 工 程Computer Engineering 第33卷 第21期 Vol.33 No.21 2007年11月 November 2007 ·博士论文· 文章编号：1000—3428(2007)21—0024—04 文献标识码：A 中图分类号：TP311 视觉目标跟踪在安全监控、汽车辅助驾驶、人体运动分析以及视频压缩等领域有着广泛应用。由于视觉目标本身及周边环境复杂多变，因此获得鲁棒而高效的跟踪算法目前仍旧是计算机视觉中一个极具挑战性的研究课题。 典型的视觉跟踪算法通常包括2个核心模块：数据关联和目标定位。前者根据先验知识如目标的动力学特征，将检测结果与目标状态关联起来，并对跟踪轨迹进行滤波。这方面的研究已经比较成熟，常用方法有卡尔曼滤波器、粒子滤波器及概率数据关联。后者是对被跟踪目标建模并据此在图像序列各帧中定位目标。在视觉目标跟踪中，目标建模及定位更为重要，常用的方法有色块模型和活动轮廓模型。均值漂移方法[1~2]提供了一种新的目标描述与定位的框架，将目标特征与空间信息有效地结合起来，避免了使用复杂模型描述目标的形状、外观及其运动。 1 均值漂移方法介绍 均值漂移(mean shift)是Fukunaga 等人提出的一种非参 数概率密度梯度估计算法[1]，在统计相似性计算与连续优化方法之间建立了一座桥梁。该方法直到Cheng 的研究成果[2]发表之后，才受到较多的关注。此后均值漂移被广泛应用到诸多相关领域，如模式分类、图像分割以及目标跟踪等方面。 核函数在均值漂移方法中起了非常重要的作用，核函数的概念、构造方法及常用形态如下文所述。 1.1 核函数 考虑d 维实欧氏空间d R ，向量,d R ∈x y 的内积定义为 T ,=i i i x y ??=∑x y x y ，向量的模可由内积导出1/2=,??x x x 。 对给定的函数:d K R R →，若存在一元函数:[0,)k R ∞→使得 2 ()=()K k x x 成立，其中，()k r 在区间[0,)∞上非负、有界、 单调减、分段连续并且积分0 ()d k r r ∞ ∫有界，则称函数() K x 为核函数，)(r k 为相应的剖面函数。因为函数)(r k 分段连续，不可导点集的Lebesgue 测度为0，所以在不可导点集上补充定义后，函数)(r k 在其定义域内处处可导，即)(r k ′存在。常见的剖面函数见表1。 表1 常见的剖面函数 给定核函数()K ?和()H ?，对应的剖面函数为)(r k 和 ()h r ，若存在常数c ，使得()=()k r ch r ′?，则称()H ?为()K ?的 影子核。 给定核函数()K x 和()K x 及正实数σ，由下列各式定义的函数也是核函数： 1()(/)()()()()() ()()()K K P K K K K S K K σσ?====+?x x x x x x ?x x x x 其中，矩阵?是d d ×维实正定对称矩阵。若记单位矩阵为 I ，当取=σ?I 时，()=()K K σ?x x 。通常称σ为核函数 ()K σx 的窗宽，称?为核函数()K ?x 的窗宽矩阵。 作者简介：齐 飞(1977－)，男，博士研究生，主研方向：模式识别，计算机视觉；罗予频、胡东成，教授、博士生导师 收稿日期：2006-11-20 E-mail ：qfei00@https://www.wendangku.net/doc/ea18915887.html,
基于均值漂移与卡尔曼滤波的目标跟踪算法
２００７，４３（１２）ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用 １引言 视频图像序列中运动目标跟踪是智能监控系统中的重要一部分，是计算机视觉、目标识别与跟踪、安全监控等视频分析和处理应用的关键技术。均值漂移算法作为一种高效的模式匹配算法，已经被成功的应用在目标跟踪领域［１－４］。该算法利用梯度优化方法实现快速目标定位，能够对非刚性目标实时跟踪，对目标的变形、旋转等运动有较好的适用性，但是均值漂移算法在目标跟踪过程中没有利用目标在空间中的运动方向和运动速度信息，当周围环境存在干扰时，仅使用均值漂移算法容易丢失目标。Ｋａｌｍａｎ滤波器是一个对动态系统的状态序列进行线性最小方差估计的算法，具有计算量小，可实时计算的特点，可以准确的预测目标的位置和速度［５］。 考虑到目标运动过程中可能会受到场景中诸如遮挡、光照变化等因素的影响，本文在采用基于颜色直方图的均值漂移跟踪算法的同时，合理结合了Ｋａｌｍａｎ滤波对目标空间运动位置的预测，保证了目标运动的一致性和连贯性。每一帧图像分别采用这两种方法进行跟踪，根据干扰的不同情况，采用不同的比例因子将两个跟踪结果线性加权，从而得到目标的最终位置。在干扰较小情况下，均值漂移算法可以得到良好的跟踪效果，其跟踪结果占较大的比重，强干扰情况下，加大Ｋａｌｍａｎ预测结果的比重，克服干扰。 ２均值漂移跟踪算法 目标的直方图不受目标形状变化的影响，因此采用直方图作为目标的模式，依据颜色分布进行匹配具有较好的稳定性。假设被跟踪的目标是中心为ｙ０，窗宽为ｈ的矩形。目标外围的像素可能被遮挡或者受到背景的影响是相对不可靠的，为此对目标内不同位置的像素赋予不同的权重，位置与目标中心的距离越近其权重越大。 目标的加权颜色直方图［２］为 ｑｕ（ｙ）＝Ｃｈ ｎ ｉ＝１ !ｋ（‖ｙ０－ｘｉ ｈ ‖２）δ［ｂ（ｘｉ）－ｕ］（１）其中Ｃｈ为归一化系数，Ｃｈ＝ １ ｎ ｉ＝１ !ｋ（‖ｙ０－ｘｉ ｈ ‖２） 。 当前图像帧中以图像空间点ｙ为中心的候选图像区域内，象素点的加权直方图表示为： 基于均值漂移与卡尔曼滤波的目标跟踪算法 常发亮，刘雪，王华杰 ＣＨＡＮＧＦａ－ｌｉａｎｇ，ＬＩＵＸｕｅ，ＷＡＮＧＨｕａ－ｊｉｅ 山东大学控制科学与工程学院，济南２５００６１ ＳｃｈｏｏｌｏｆＣｏｎｔｒｏｌＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｊｉ’ｎａｎ２５００６１，Ｃｈｉｎａ Ｅ－ｍａｉｌ：ｌｉｕｘｕｅ９３＠１６３．ｃｏｍ ＣＨＡＮＧＦａ－ｌｉａｎｇ，ＬＩＵＸｕｅ，ＷＡＮＧＨｕａ－ｊｉｅ．ＴａｒｇｅｔｔｒａｃｋｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｍｅａｎｓｈｉｆｔａｎｄＫａｌｍａｎｆｉｌｔｅｒ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００７，４３（１２）：５０－５２． Ａｂｓｔｒａｃｔ：Ｍｅａｎｓｈｉｆｔａｌｇｏｒｉｔｈｍｄｏｅｓｎ’ｔｕｓｅｔｈｅｔａｒｇｅｔ’ｓｍｏｔｉｏｎｄｉｒｅｃｔｉｏｎａｎｄｓｐｅｅｄｉｎｆｏｒｍａｔｉｏｎｉｎｐｒｏｃｅｓｓｏｆｔａｒｇｅｔｔｒａｃｋｉｎｇ．Ｗｈｅｎａｆｆｅｃｔｅｄｂｙｄｉｓｔｕｒｂａｎｃｅｉｔｅａｓｉｌｙｆａｉｌｓｔｏｔｒａｃｋｔｈｅｔａｒｇｅｔ．Ｋａｌｍａｎｆｉｌｔｅｒｉｎｇｃａｎｐｒｅｄｉｃｔｔｈｅｐｏｓｉｔｉｏｎａｎｄｖｅｌｏｃｉｔｙｏｆｔｈｅｔａｒｇｅｔｅｘａｃｔｌｙ．ＡｎａｌｇｏｒｉｔｈｍｃｏｍｂｉｎｅｄＫａｌｍａｎｆｉｌｔｅｒｉｎｇｗｉｔｈｍｅａｎｓｈｉｆｔａｌｇｏｒｉｔｈｍｉｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｋａｌｍａｎｆｉｌｔｅｒｉｎｇｉｓｕｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｐｏｓｉｔｉｏｎａｎｄｖｅｌｏｃｉｔｙｏｆｔｈｅｔａｒｇｅｔ．Ａｃｃｏｒｄｉｎｇｔｏｄｉｆｆｅｒｅｎｔｄｉｓｔｕｒｂａｎｃｅｃｉｒｃｕｍｓｔａｎｃｅｓ，ｔｈｅｔｗｏａｌｇｏｒｉｔｈｍｓｔｒａｃｋｉｎｇｒｅｓｕｌｔｓａｒｅｄｏｎｅｗｉｔｈｌｉｎｅｒｗｅｉｇｈｔｍｅｔｈｏｄｂｙｕｓｉｎｇｄｉｆｆｅｒｅｎｔｓｃａｌｅｆａｃｔｏｒｓｔｏｇｅｔｔｈｅｆｉｎａｌｐｏｓｉｔｉｏｎｏｆｔｈｅｔａｒｇｅｔ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈｅｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｓｏｆｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：ｔａｒｇｅｔｔｒａｃｋｉｎｇ；ｏｃｃｌｕｓｉｏｎ；ｍｅａｎｓｈｉｆｔ；Ｋａｌｍａｎｆｉｌｔｅｒ 摘要：均值漂移算法在目标跟踪过程中没有利用目标的运动方向和速度信息，在目标受到干扰时容易跟踪失败，而Ｋａｌｍａｎ滤波能够较为准确地预测目标的速度和位置。因此，提出了一种结合均值漂移与Ｋａｌｍａｎ滤波的跟踪算法，使用Ｋａｌｍａｎ滤波对目标运动速度和空间位置进行预测。根据干扰的不同情况，使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置。实验结果表明该算法是可行有效的。 关键词：目标跟踪；遮挡；均值漂移；Ｋａｌｍａｎ滤波 文章编号：１００２－８３３１（２００７）１２－００５０－０３文献标识码：Ａ中图分类号：ＴＰ３９１．４ 基金项目：山东省自然科学基金（ｔｈｅＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＳｈａｎｄｏｎｇＰｒｏｖｉｎｃｅｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．Ｚ２００５Ｇ０３）。 作者简介：常发亮（１９６５－），男，教授，主要从事模式识别、机器视觉与智能控制的理论及应用研究；刘雪（１９８２－），女，硕士研究生，主要从事计算机视觉、图像处理与分析研究；王华杰（１９８０－），男，硕士研究生，主要从事机器视觉方面的研究。 ５０