第1页共15页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第1页共15页目标跟踪中巴氏系数误差的分析及其消除方法文志强1,2蔡自兴11(中南大学信息科学与工程学院湖南长沙410083)2(湖南工业大学计算机与通信学院湖南株洲412008)摘要：在meanshift的目标跟踪方法中，Taylor公式的近似展开会造成优化过程中Bhattacharyya系数值的误差，这种误差会给目标跟踪带来偏差，同时不适合快速运动目标的跟踪。针对Bhattacharyya系数的Taylor公式近似表示情形，研究了这种近似表示引起的系数误差和对目标跟踪的影响，在此基础上，将Bhattacharyya系数的优化问题转化为求解约束优化问题，从而提出一种改进的目标跟踪方法，以达到提高目标跟踪的精度，而且证明了该改进方法的收敛性。实验表明本文方法对于快速运动目标的跟踪具有更好的跟踪精度。关键字：meanshift,目标跟踪,目标模型,Bhattacharyya系数中图法分类号:TP3011引言Meanshift是一个由Fukunaga和Hostetler在1975年提出的一种无监督聚类方法，它使每一个点“漂移”到密度函数的局部极大值点。1995年，Cheng[1]重新研究了meanshift，提出了更一般的表达形式并预示该算法在聚类和全局优化方面的巨大潜力。Comaniciu在1999年对meanshift做了应用方面的研究[2]。自此以后，meanshift已广泛应用于目标跟踪[3-5]、图像分割[6]、聚类分析[7]等领域，已成为当前研究的热点问题。Comaniciu在[3][4]中首先将meanshift算法应用到目标跟踪领域中来，他利用Bhattacharyya系数作为目标模型与候选目标之间的相似性度量标准，用meanshift算法来搜索最优候选目标，获得了很好的跟踪效果。此后，有更多的研究者投入到了此项研究之中[8~16]。文献[4]中给出的meanshift算法采用核直方图作为图像特征的描述方式，没有考虑图像的空间信息。为了克服特征信息不足造成偏差缺点，需要寻找一种可行的图像空间信息和颜色信息的综合表达方法，很多文献在这方面做了大量工作[8~10]。文献[8]提出一种空域特征空间中的相似性度量方法，允许meanshift算法跟踪更一般的运动目标；文献[9]提出了一个鲁棒的、实时的高斯圆柱形颜色模型，通过meanshift实现目标跟踪以抗不规则光照变化；文献[10]在颜色矩方图中引入旋转方向参数，采用5-degreesoffreedom(DOF)的颜色矩方图，可以跟踪旋转的运动目标。另外，不同的图像特征描述方法适合于不同的场合或背景，因此根据场景来自适应选择特征描述方法是非常值得研究的内容，如文献[11]提出一种目标跟踪中适合于评价多特征的在线特征选择机制，自适应调整特征集以提高跟踪性能。其次，目标特征的构造、组合及更新需要根据实际情况来确定，在目标跟踪中引入机器学习方法是一种行之有效的方法。对场景进行一定时间的学习后确定相应特征和参数，可提高对周围环境的适应性，例如文献[12]对目标的颜色进行聚类分析，通过矩阵分解和正交变换建立一种新的颜色模型来提高meanshift跟踪的性能；文献[13]把跟踪问题看成是二分类问题，结合adaBoost和弱分类器构成一个强分类器，通过在线训练来提高meanshift跟踪对不同场景的适应性。最后，研究集中在窗口自动选取，如Comaniciu[14]和彭宁嵩[15]分别提出了针对meanshift算法的窗口自动选取方法。虽然对meanshift跟踪算法进行了大量研究，但是该算法仍然存在跟踪偏差国家自然科学基金(60234030,60773110),国家基础研究项目(A1420060159)作者简介：文志强(1973－),男,湖南湘乡人,博士研究生,主要研究领域为目标检测､目标跟踪.Email:zhqwen20001@163.com,联系地址:湖南长沙中南大学铁道校区研究生楼310号,邮编:410075.联系电话:13975316672,0731-2655993;蔡自兴(1938－),男,福建莆田人,教授,博士生导师,主要研究领域为人工智能,进化计算,智能控制,移动机器人协作与导航等.第2页共15页第1页共15页编号：时间：2021年x月x日书山有路勤为径，学海无涯苦作舟页码：第2页共15页或者完全跟不上目标的情况。基于meanshift的目标跟踪方法[3,4]通过对Bhattacharyya系数作Taylor近似展开获得meanshift的迭代公式，当跟踪目标的位置在两帧图像之间变化不大时，这种Taylor近似展开可以获得...
