基于HSV非均匀量化的CAMshift目标跟踪算法

合集下载

基于CAMshift算法的目标跟踪研究

基于CAMshift算法的目标跟踪研究目标跟踪是计算机视觉中的一个重要问题。

随着计算机技术的发展，目标跟踪技术得到了广泛的研究和应用。

其中，CAMshift 算法是一种经典的目标跟踪算法之一。

本文将介绍CAMshift算法的基本原理、优缺点以及应用。

一、CAMshift算法的基本原理CAMshift算法是一种基于颜色直方图的目标跟踪算法。

该算法擅长于跟踪颜色信息相对稳定的目标，如人脸、车辆等。

具体来说，CAMshift算法首先利用颜色直方图来描述目标的颜色信息。

然后，通过对直方图进行归一化，得到标准化的颜色直方图。

接下来，通过反向投影，计算图像中每个像素与目标颜色直方图之间的相似度。

将相似度最高的像素作为目标的中心点，并利用Meanshift算法进行目标的迭代更新。

最终，通过利用CAMshift算法实现目标的自适应缩放和旋转。

总结来说，CAMshift算法的基本原理可以归纳为：颜色直方图描述目标颜色信息，反向投影获取像素与目标颜色直方图的相似度，Meanshift算法进行迭代更新，CAMshift算法实现目标自适应缩放和旋转。

二、CAMshift算法的优缺点CAMshift算法具有如下的优点：1. 强鲁棒性。

CAMshift算法采用的颜色直方图具有很强的鲁棒性，能够适应环境光线变化、物体表面材质变化等情况。

2. 高速度。

CAMshift算法能够在实时性要求比较高的场合下实现目标跟踪，速度较快。

3. 自适应性。

CAMshift算法能够通过自适应缩放和旋转来适应目标尺度和方向的变化，能够有效地跟踪运动目标。

但是，CAMshift算法也存在一些缺点：1. 对光照和噪声比较敏感。

在光照和噪声较大的情况下，由于颜色直方图会受到影响，导致跟踪效果下降。

2. 不适用于多目标跟踪。

由于CAMshift算法只能根据单个颜色直方图进行目标跟踪，因此不适用于多目标的跟踪。

三、CAMshift算法的应用CAMshift算法已经在许多领域得到了广泛的应用。

CamShift_目标跟踪算法毕业设计

CamShift_目标跟踪算法毕业设计武汉理工大学本科生毕业设计（论文）局部CamShift跟踪算法学院（系）：理学院专业班级：信计0703学生姓名：刘毅指导教师：楚杨杰学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。

除了文中特别加以标注引用的内容外，本论文不包括任何其他个人或集体已经发表或撰写的成果作品。

本人完全意识到本声明的法律后果由本人承担。

作者签名：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保障、使用学位论文的规定，同意学校保留并向有关学位论文管理部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。

本人授权省级优秀学士论文评选机构将本学位论文的全部或部分内容编入有关数据进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。

本学位论文属于1、保密囗，在年解密后适用本授权书2、不保密囗。

（请在以上相应方框内打“√”）作者签名：年月日导师签名：年月日毕业设计(论文)任务书学生姓名：刘毅专业班级：信息与计算科学0703班指导教师：楚杨杰工作单位：武汉理工大学理学院设计(论文)题目：跟踪算法的研究设计（论文）主要内容：该论文在国内外现有的跟踪算法研究基础之上，深入讨论目前的主流跟踪算法Mean-Shift跟踪算法，并且讨论Mean-shift的本质原理以及应用到目标跟踪的应用方法，并同时讨论了Mean-shift算法的改进算法Camshift。

在编程分析算法的跟踪优缺点以后，提出自己创建的算法：局部Camshift算法，最后，应用大量实践视频来做跟踪，分析跟踪效果。

要求完成的主要任务:1、查阅不少于15篇的相关资料，其中英文文献不少于5篇，完成开题报告；2、深入理解Mean-shift算法原理机制，了解Mean-shift的算法本质；3、理解Mean-shift算法用作跟踪的原理，并且掌握Camshift跟踪算法最后再加以改进；4、完成不少于20000英文(5000汉字)的英文文献翻译；5、完成不少于12000字的毕业设计论文.必读参考资料：[1] K.Fukunaga and L.D.Hostetler,"The Estimation of the Gradient of a DensityFunction,with Applications in Pattern Recognition" IEEE rmationTheory,vol.21,pp.32-40,1975.[2]D. Comaniciu and P. Meer, “Mean Shift: A Robust Approach Toward Feature SpaceAnalysis,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 24, no. 5, pp.603-619, May 2002.[3]aniciu, V. Ramesh, and P.Meer "Real-Time Tracking of Non-Rigid Objects UsingMean Shift" Proc Eighth Int'lConf. Computer Vision, vol,21,pp.331-337,1996[4] G.R.Bradski,"Computer Vision Face Tracking as aComponent of a Perceptual User Interface,"Proc.IEEE Workshop Applications of Computer Vision,pp.214-219,Oct.1998指导教师签名：系主任签名：院长签名(章)武汉理工大学本科学生毕业设计（论文）开题报告注：1．开题报告应根据教师下发的毕业设计（论文）任务书，在教师的指导下由学生独立撰写，在毕业设计开始后三周内完成。

利用CamShift算法实现运动目标自动跟踪

Using Camshift Algorithm to Track Moving Objects Automatically
Qu Jubao1，Wang Shujuan2，Lin Hongji3
（1. Department of Mathematics & Computer，Wuyi University，Wuyishan Fujian 354300，China； 2. Continuing Education Institute，Wuyi University，Wuyishan Fujian 354300，China；
的程度；
d2b 值的大小表示目标模型与背景模型的区分程度。
最优目标模型应使
d
2 a
尽量小，同时使
d
2 b
尽量大。
这是一个多目标规划（LVP）问题，用线性加权法将
其转化为单目标规划问题。令、为选定的权系数，
其值表示 2 个目标函数的信任程度，并满足 + =1，
> 0, > 0，目标函数为：
d2=
d a2-
型，使得组合模型和目标模式有较高的相似性，且与
背景模式有较大的差异性，令最优组合系数为x*i，i =1, 2,3。对目标区域及目标周围背景区域的颜色分布进行
概率统计，分别用 pa , pb 表示，它们与凸组合模型 qz 间的欧氏距离平方表示为：
，
，
（6）
式中：d
2 a
值的大小表示目标模型与最优组合模型接近
a）原始图像
b）背景差分图像
c）经典三帧差分图像
d）改进三帧差分图像
图 1 不同方法获取目标的结果图
Fig . 1 Results of different methods for the target

利用Camshift算法实现运动目标自动跟踪

目标发生旋转、遮挡和速率变化时都能精确跟踪的效果，并将这种改进的Ｃａｈｆ组合算法应用在自适应实时ｍｓｉｔ跟踪系统上，提高了系统识别速度和跟踪能力。关键词：Ｃｍｓｉ；Ｋｌｎａｈｆａｔｍａ；跟踪；自动；ＨＶＳ中图分类号：Ｐ９Ｔ３３文献标志码：Ａ文章编号：６３９３（１）５０５ —６１７ — ８３２００ — ０８００
Ａｂｓｒｃｔａｔ：Ｔｏｒａｉｅｔａｋｎａｇｔｕｏａｉａｌｎｔｅｅｖｒｎｎｓｏｏｅｌｒｃｉｇｔｒｅｓａｔｍｔｃｌｉｎｉｏｍｅｔｆｃｍｐｌｘｂｃｇｏｎ，ｏｏｏｆｓｏｎｚｙｈｅａｋｒｕｄｃｌｒｃｎｕｉｎａｄｔｒｅｅｏｍａｉ，ｈｈｒｃｅｉｔｃｆＣａｓｉｔａｇｒｔｍｅｓｔｖｏｔｅｈｅｃｍｐｎｎｒｘｅｄｄｔａｕａｉｎａｇｔｄｆｒｔｏｎｔｅｃａａｔｒｓｉｓｏｍｈｆｌｏｉｈｓｎｉｅｔｈｕｏｉｏｅｔｅｅｔｎｅｏｓｔｒｔｏ，ａ
曲巨宝。淑娟，王，林宏基。
（．１武夷学院数学与计算机系，福建武夷山３４０；２武夷学院继续教育学院，福建武夷山３４０；５３０．５３０
３福州大学数学与计算机科学学院，福建福州３００．５０２）
ｔｍｅａａｔｅｔａｋｎｙｓｅｓａｄｔｅｒｃｇｉｏｐｅｎａｋｎａａｉｉｆｓｓｅｓａｅｉｐｏｅｉｄｐｉｃｉｇｓｔｍ，ｎｈｅｏｎｔｎｓｅｄａｄｔｃｇｃｐｂｌｙｏｙｔｍｖｒｉｒｉｔｒｍｒｖｄ．Ｋｅｗｏｄｙｒｓ：Ｃａｓｉｔｍｈｆ；Ｋａｍａ；ｔａｋｎ；ａｔｍａｉａｌ；ＨＳｌｎｒｃｉｇｕｏｔｌｙｃＶ

基于Camshift的运动目标检测跟踪算法

基于Camshift的运动目标检测跟踪算法作者：邢定宇侯宝临秦明伟来源：《电脑知识与技术》2018年第01期摘要：对传统的运动目标跟踪算法而言，目标检测时由于环境因素的影响，难以准确检测到目标区域。

因此常采用手动选取运动目标的方法，但此方法由于智能化程度不高，且具有较强的主观性和经验性，所得数据缺乏足够的说服力。

针对于此，提出在多帧差分法的基础上，采用连通区域搜索筛选出合适的运动目标并标定目标区域，确定运动目标后进行跟踪；在目标跟踪阶段，实时更新标定区域内的融合特征向量，以提高后续跟踪算法的准确性和鲁棒性。

实验表明：该方法切实可行，在目标检测阶段，改进后的算法在增加少量计算量的前提下，筛选并标定出目标区域；在目标跟踪阶段，将计算区域缩小在标定跟踪范围内，提高了算法效率，且保证算法了的稳定性和鲁棒性。

关键词：目标检测；多帧差分；连通域检测；目标跟踪中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）01-0209-03Abstract： For traditional moving target tracking algorithm， it is difficult to detect the target region accurately because of the influence of environmental. Therefore， the method of manually selecting tracking targets is often adopted. But the method is not sufficiently intelligent and has strong subjectivity and experience. So the data is not sufficiently convincing. To solve this problem， Based on the multi frame difference method， the connected region search is used to select and calibrate the appropriate moving region. In the target tracking phase， the fusion feature vector in the calibration area is updated in real time to improve the accuracy and robustness of the follow-up tracking algorithm. Experimental results show that the method is feasible. In the target detection phase， the improved algorithm can select and calibrate the target area under the premise of adding a small amount of computation. In the target tracking phase， the computation area is reduced in the calibration tracking range， which improves the efficiency of the algorithm and ensures the stability and robustness of the algorithm.Key words： Target detection； Multi frame difference； Connected domain detection； Target tracking1 概述基于图像序列的运动目标检测跟踪是图像处理和计算机视觉领域的重要分支之一。

一种改进的CamShift运动目标跟踪算法

一种改进的CamShift运动目标跟踪算法薛桐;任世卿【摘要】CamShift算法具有复杂度低,实时性和鲁棒性好等优点,被广泛地应用于目标跟踪领域.但是CamShift算法在运动目标接近与其颜色相近的固定遮挡物时,跟踪会出现明显的偏移.针对这一问题,提出了一种解决与运动目标颜色相近的固定遮挡物对目标跟踪的干扰的方法.首先,运用单高斯背景模型对运动目标进行背景建模;其次,通过背景模型与当前帧的运算,确定与运动目标颜色相近的固定遮挡物所在的位置;最后,利用H分量灰度图计算运动目标所在位置.实验结果显示,该方法在运动目标接近相似颜色固定遮挡物时,能很好地跟踪运动目标.【期刊名称】《沈阳理工大学学报》【年(卷),期】2015(034)002【总页数】7页(P28-34)【关键词】目标跟踪;CamShift算法;单高斯背景模型;HSV颜色空间模型【作者】薛桐;任世卿【作者单位】沈阳理工大学信息科学与工程学院,辽宁沈阳110159;沈阳理工大学信息科学与工程学院,辽宁沈阳110159【正文语种】中文【中图分类】TN911计算机视觉中的一个重要研究方向是视频监控，它不但有广阔的应用前景，而且在理论研究上也有很高的价值[1]。

其中视频监控涉及的运动目标跟踪一直是一项非常活跃的研究领域，它是计算机视觉技术的核心，同时结合了模式识别、自动控制、图像处理、人工智能等高技术课题。

常用的运动目标跟踪算法有Kalman滤波、MeanShift算法、CamShift算法等[2]。

范五东等提出了一种基于HSV色彩空间特征与Kalman滤波融合的目标跟踪算法，克服了运动目标表面特征变化带来的目标跟丢现象[3]。

赵文倩等将背景差分法与CamShift算法结合，在一定程度上满足了实时性与稳定性的要求[4]。

本文针对运动目标在运动过程中接近与其颜色相近的固定遮挡物时跟踪出现偏移这一问题，基于CamShift算法原理，运用单高斯背景模型建立背景[5]，经过运算得到相近颜色的遮挡物的位置，进而更准确地计算出运动目标的位置。

基于CamShift的目标跟踪算法

基于CamShift的目标跟踪算法
张宏志;张金换;岳卉;黄世霖
【期刊名称】《计算机工程与设计》
【年(卷),期】2006(27)11
【摘要】CamShift是一种应用颜色信息的跟踪算法,在跟踪过程中,CamShift利用目标的颜色直方图模型得到每帧图像的颜色投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置.在CamShift算法基础上对搜索窗口进行简单运动预测,并增加二次搜索方法,提高跟踪的稳定性.实验结果表明,在图像背景复杂且目标不规则运动的情形下,仍能有效地跟踪到目标.
【总页数】3页(P2012-2014)
【作者】张宏志;张金换;岳卉;黄世霖
【作者单位】清华大学,汽车安全与节能国家重点实验室,北京,100084;清华大学,汽车安全与节能国家重点实验室,北京,100084;清华大学,汽车安全与节能国家重点实验室,北京,100084;清华大学,汽车安全与节能国家重点实验室,北京,100084
【正文语种】中文
【中图分类】TP3
【相关文献】
1.基于CamShift的监控视频中运动目标跟踪算法研究 [J], 李亚文;赵杰;张鑫
2.基于Camshift的运动目标检测跟踪算法 [J], 邢定宇;侯宝临;秦明伟
3.基于改进帧间差分与局部Camshift相结合的目标跟踪算法 [J], 周文静;陈玮
4.基于SURF和Camshift的目标跟踪算法研究 [J], 李建建;王春阳
5.基于Kalman滤波的CAMShift目标跟踪算法 [J], 马洪涛; 吴赛敏
因版权原因，仅展示原文概要，查看原文内容请购买。

camshift算法原理

camshift算法原理Camshift算法是一种基于颜色统计的物体跟踪算法，常被用于计算机视觉领域中的目标跟踪任务。

该算法通过对目标对象的颜色特征进行建模，并在视频序列中实时追踪目标的位置和大小。

Camshift算法的原理基于直方图反向投影技术和Meanshift算法。

首先，算法通过用户选取的初始目标区域，计算该区域的颜色直方图模型。

然后，将该直方图模型与整幅图像的直方图进行比较，得到反向投影图像。

反向投影图像中的每个像素值表示该像素属于目标对象的概率。

接下来，利用Meanshift算法对反向投影图像进行均值漂移操作，寻找目标对象的最大概率区域。

均值漂移操作的原理是根据概率分布的重心不断迭代，使得目标区域的中心点逐渐向最大概率区域移动。

这样，在每次迭代过程中，目标区域的位置和大小都会根据图像的颜色分布而自适应地调整。

为了进一步提高目标区域的准确性和稳定性，Camshift算法引入了一个自适应窗口大小的机制。

在Meanshift算法的每次迭代中，算法会根据当前目标区域的大小，自动调整搜索窗口的大小。

当目标对象静止或运动缓慢时，窗口大小会自动缩小以提高精度；当目标对象运动较快时，窗口大小会自动扩大以保持目标的完整性。

Camshift算法还可以通过加权直方图模型来对目标对象的颜色特征进行动态更新。

在每次迭代中，算法会根据当前目标区域的位置和大小，调整颜色直方图的权重，使其更好地适应目标对象的变化。

总结来说，Camshift算法通过对目标对象的颜色特征进行建模和追踪，能够在复杂的背景环境中实现准确、稳定的目标跟踪。

该算法的原理基于直方图反向投影和Meanshift算法，通过自适应窗口大小和加权直方图模型的机制，能够适应目标对象的位置、大小和颜色的变化，具有较高的鲁棒性和实时性。

在计算机视觉和视频分析领域中，Camshift算法被广泛应用于目标跟踪、行为分析、视频监控等方面，为实现智能视觉系统提供了重要的技术支持。

基于Camshift 方法的视觉目标跟踪技术综述

基于Camshift 方法的视觉目标跟踪技术综述作者：伍祥张晓荣潘涛朱文武来源：《电脑知识与技术》2024年第17期摘要：视觉目标跟踪技术是机器视觉、模式识别等相关领域中重要的研究内容之一。

受限于场景的复杂度、目标速度、目标的遮挡程度等状况，其相关研究具有一定的难度和挑战性，而均值漂移及其相关算法是解决该类问题的重要途径。

首先介绍视觉目标跟踪的研究方法和原理，然后介绍Camshift方法的前身Meanshift方法的原理和算法过程，并做出相应的分析和阐述。

再介绍针对Camshift算法的相关研究和改进方法，最后总结Camshift方法的应用情况以及后续可能的研究方向。

关键词：机器视觉；模式识别；目标跟踪；Meanshift；Camshift中图分类号：TP391 文献标识码：A文章编号：1009-3044（2024）17-0011-04 开放科学（资源服务）标识码（OSID）：0 引言实现视觉目标跟踪可能的前置步骤包括目标分类、物体检测以及图像分割。

目标分类是指根据目标在图像中呈现的特征，将不同类别的目标加以区分的图像处理方法。

物体检测是指在某张图像中，检测出目标出现的位置、尺度以及其對应的类别。

相较于目标分类，物体检测不仅需要指出其类别，还需返回该目标在图像中的物理坐标信息，其量化度得到了增强。

而图像分割在物体检测的基础上提出了更加精细的要求，即不仅需要指出物体在图像中的坐标位置信息，还要标注出目标在图像中的精准轮廓，其难度和复杂度进一步提升。

上述技术在图像处理过程中，存在一些共性化的技术难点，比如尺度变化、部分遮挡等[1-2]。

针对物体尺度变化，一种常规的方式是采用尺度不变特征变换（SIFT）技术[3]，通过尺度空间极值计算、关键点定位、方向和幅值计算以及关键点描述等步骤完成目标在尺度变化时的特征匹配。

针对目标部分区域被遮挡的问题，Wang B等[4]提出了一种通过网络流优化的轨迹片段（tracklet）关联中的在线目标特定度量来忽略目标被遮挡的时段，从而连续化目标运动轨迹；Fir⁃ouznia Marjan[5]提出了一种改进的粒子滤波方法，通过状态空间重构，在有遮挡的情况下提升目标跟踪的精度。

基于改进的Camshift算法的目标跟踪研究

基于改进的Camshift算法的目标跟踪研究【摘要】研究了几种常用的目标跟踪算法，为了提高目标跟踪的准确率和鲁棒性，提出一种改进的Camshift目标跟踪算法。

将色彩空间由RGB空间转化为HSV空间，利用反向投影法把目标概率分布映射到目标图像上，构建跟踪窗口，采用改进的Camshift算法在视频中跟踪运动目标。

实验表明，改进的Camshift 算法跟踪目标准确率高、鲁棒性好。

【关键词】目标跟踪；Camshift；色彩空间；反向投影；均值漂移1.引言目标跟踪是图像处理领域的一个研究热点，在视频监控、公安安防、医疗诊断、人工智能等方面应用广泛。

目标跟踪是指提取视频序列中每帧图像中目标的位置，在跟踪过程中，目标的外观、运动参数等信息也同步更新，提高目标检测算法的稳定性、鲁棒性和准确性是当前该领域的研究热点。

由于目标检测研究的重要性和紧迫性，国内外众多学者围绕该课题进行了研究，提出了许多卓有成效的方法，主流的目标跟踪算法可分为如下三类：基于均值漂移的方法（Meanshift），基于Kalman滤波的方法和基于滤波理论的方法。

Meanshift算法[1]不需要参数，模式匹配速度快，但是该算法缺少必要的模板更新，当跟踪目标运动速度过快或者存在尺寸变化时，跟踪的准确率不高。

为了解决Meanshift算法在特殊情况下检测不准的问题，Bradski[2]将Meanshift扩展到整个连续的视频序列中，根据跟踪目标的大小自动调整跟踪窗口大小，提出了自适应的均值漂移方法，即Camshift算法。

该算法不易受目标形状、大小及光照等环境因素的影响，只要给定被跟踪目标，就可以对目标区域进行连续跟踪。

但Camshift算法仅在单一特征上检测，以此结果作为滤波器的观测值不可靠，造成跟踪准确率下降。

本文提出了一种改进的Camshift算法的目标跟踪算法，实验证明，提出的算法准确率显著提高，鲁棒性好。

2.改进的Camshift算法2.1 颜色空间转换为了用计算机来表示和处理颜色，必须采用定量的方法来描述颜色，即建立颜色彩空间。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｔｒｇａｅｔａｎｄｂａｃｋｇｒｏｕｎｄ，ｔｈｕｓｓｕｐｐｒｅｓｓｅｓｔｈｅｉｎｔｅｆｒｅｒｅｎｃｅｏｆｔｈｅｂａｃｋｇｒｏｕｎｄｐｉｘｅｌｔｏｔｈｅｔｒｇａｅｔ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｂａｓｅｄｏｎ
跟踪的准确性。
关键词：ＣＡＭｓｈｉｆｔ；目标跟踪；非均匀量化；颜色直方图
中图分类号：ＴＰ３９１．４
文献标志码：Ａ
文章编号：２０９５－２１６３（２０１７）０３ — ００２１ — ０５
Ａｂｓｔｒａｃｔ：ＢｅｃａｕｓｅｔｈｅｃｌａｓｓｉｃＣＡＭｓｈｉｔｆａｌｇｏｉｒｔｈｍｉＳｖｕｌｎｅｒａｂｌｅｔｏｔｈｅｐｉｘｅｌｉｎｔｅｒｆｅｒｅｎｃｅｏｆａｓｉｍｉｌａｒｂａｃｋｇｒｏｕｎｄｃｏｌｏｒ．ｔｈｅ
ＺＨＡＮＧＣｈｅｎ，ＰＥＮＧＹｕｘｕ＇
（１ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒ＆ＣｏｍｍｕｎｉｃａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｆＳｏｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１０１１４，Ｃｈｉｎａ；２ＨｕａｎｎＰｒｏｖｉｎｃｉａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｔｅｌｌｉｇｅｎｔＰｒｏｃｅｓｓｉｎｇｆＢｏｉｇＤａｔａｏｎＴｒａｎｓｐｏｒｔａｔｉｏｎｆＣｈａｎｇｓｈａＵｎｉｖｅｒｓｉｔｙｆＳｏｃｉｅｃｅ＆ｎＴｅｃｈｏｌｎｏｇｙ），Ｃｈａｎｇｓｈａ４１０１１４，Ｃｈｉａ）ｎ
ｃｌａｓｓｉｃＣＡＭｓｈｉｆｔａｌｇｏｒｉｔｈｍ．ＢｙｉｎｔｒｏｄｕｃｉｎｇｔｈｅｌｕｍｉｎａｎｃｅａｎｄｓａｔｕｒａｔｉｏｎｃｏｍｐｏｎｅｎｔｓｔｏｔｈｅｃｏｌｏｒｈｉｓｔｏｇｒａｍｏｆｔｈｅｃｌａｓｓｉｃＣＡＭｓｈｉｆｔａｌｇｏｉｒｈｍｔａｎｄｎｏｎ — ｕｎｉｆｏｒｍｌｙｑｕａｎｔｉｚｉｎｇｔｈｅｃｏｌｏｒｓｐａｃｅ，ｔｈｅｄｅｓｉｇｎｅｄｌｇａｏｉｒｔｈｍｉｍｐｒｏｖｅｓｔｈｅｄｉｓｃｉｒｍｉｎａｔｉｏｎｏｆｔｈｅ
第７卷
第３期
智
能
计
算
机
与
应
用
Ｖ０ｌ＿７Ｎｏ．３
２０１７年６月
ＩｎｔｅｌｌｉｇｅｎｔＣｏｍｐｕｔｎｓ
Ｊｕｎ．２０１７
基于ＨＳＶ非均匀量化的ＣＡＭｓｈｉｆｔ目标跟踪算法
ＭｏｄｉｉｆｅｄＣＡＭｓｈｉｆｔａｌｇｏｒｉｔｈｍｆｏｒｏｂｊｅｃｔｔｒａｃｋｉｎｇｂａｓｅｄ
ｏｎＨＳＶｎｏｎ．ｕｎｉｏｒｆｍｑｕａｎｔｉｚａｔｉｏｎ
张辰，彭玉旭，
（１长沙理工大学计算机与通信工程学院，长沙４１０１１４；２综合交通运输大数据智能处理湖南省重点实验室（长沙理工大学），长沙４１０１１４）
摘要：针对经典ＣＡＭｓｈｉｉｆ（ＣｏｎｔｉｎｕｏｕｓｌｙＡｄａｐｔｉｖｅＭｅａｎｓｈｉｉｆ，连续自适应均值偏移算法）算法易受色度相似背景像素干扰的问题，提出了基于ＨＳＶ非均匀量化的ＣＡＭｓｈｉｆｔ目标跟踪算法，有效地解决了经典算法存在的缺陷。通过在经典ＣＡＭｓｈｉｉ算法颜色直方ｆ图中引入亮度和饱和度分量，并对颜色空间进行非均匀量化，提高目标与背景的区分度，抑制背景像素对目标的干扰。在多个视频数据上的仿真实验结果表明，该算法有效地克服了经典ＣＡＭｓｈｉｉｆ算法对背景像素敏感的问题，提高了与背景色调相近场景下目标
ＣＡＭｓｈｉｔｆｏｂｊｅｃｔｔｒａｃｋｉｎｇａｌｇｏｉｒｔｈｍｂａｓｅｄｏｎｎｏｎ・ｕｎｉｆｏｒｍｑｕａｎｔｉｚａｔｉｏｎｏｆＨＳＶｉｓｐｒｏｐｏｓｅｄｔｏｅｆｅｃｔｉｖｅｌｙｓｏｌｖｅｔｈｅｌｆａｗｓｏｆｔｈｅ