第 28 卷 第 10 期
Vol. 28 No. 10
控 制 与 决 策
Control and Decision
2013 年 10 月
Oct. 2013
多特征提取的双目机器人目标跟踪
文章编号: 1001-0920 (2013) 10-1568-05
王丽佳
1,2
, 贾松敏
1
, 李秀智
1
, 王 爽
1
(1. 北京工业大学 电子信息与控制工程学院，北京 100124;
2. 河北工业职业技术学院 信息工程与自动化系，石家庄 050000)
摘 要: 为了解决复杂环境下双目机器人的目标跟踪问题, 提出多特征提取的方法. 在机器人静止-目标运动模式下
根据改进的步态光流图和视角识别目标并构造颜色直方图模板; 在机器人运动-目标运动模式下利用扩展卡尔曼滤
波器、基于自适应核函数的 CamShift 算法、基于 Hu 矩的头肩模型匹配算法提取目标的运动特征、颜色特征和头肩
特征以实现目标跟踪. 实验分析表明, 所提出方法能够避免启动时手动框选目标, 可以实现遮挡和背景与目标相似度
高等复杂环境下的目标跟踪.
关键词: 多特征提取；改进的步态光流图；扩展卡尔曼滤波器；头肩模型；CamShift 算法
中图分类号: TP391.4 文献标志码: A
Person following of binocular robot by extracting multiple features
WANG Li-jia
1,2
, JIA Song-min
1
, LI Xiu-zhi
1
, WANG Shuang
1
(1. College of Electronic Information & Control Engineering，Beijing University of Technology，Beijing 100124,
China；2. Department of Information Engineering and Automation，Hebei College of Industry and Technology,
Shijiazhuang 050000，China．Correspondent：JIA Song-min，E-mail：jsm@bjut.edu.cn)
Abstract: To solve the person following problem of binocular robot in complex environment, a method of extracting multi-
feature is presented. For the stationary robot and moving target, the improved gait flow image and view are adopted to
recognize the target, and then the color template is constructed. For both the moving robot and target, the motion information
of the head and shoulder model and the color feature extracted by extended Kalman filter(EKF), the Hu moment based
head and shoulder model matching method and the adaptive kernel based CamShift algorithm are used to track the target.
The experiments show that this method avoids selecting the person manually, and tracks the person effectively in complex
environment, such as backgroud and target high similarity, occlusion and so on.
Key words: multi-feature extraction；improved gait flow image；extended Kalman filter；head and shoulder
model；CamShift algorithm
0 引引引 言言言
双目立体视觉通过提取立体图像对之间的视差
恢复场景的三维信息, 提供了目标的三维位置信息和
目标与观察者之间的距离信息
[1]
, 广泛应用于机器人
目标跟踪系统
[2-3]
. 目前, 大部分双目机器人目标跟踪
系统利用颜色信息识别并跟踪目标
[1,4]
, 但对与背景
颜色相似度高的目标进行识别和跟踪的准确性和稳
定性较差. 步态识别是生物识别技术的一个新兴领
域, 它根据人的走路姿势进行身份识别
[5]
. 步态具有
独特性、非侵犯性、难伪装性、远距离可识别等优点,
近年来受到越来越多的关注, Han 等
[6]
和 Lam 等
[7]
将
步态特征用于视频监控并取得了良好的识别结果. 目
前, 多种特征应用于运动目标跟踪, 其中扩展卡尔曼
滤波器 (EKF)
[8-9]
是提取运动特征的代表方法, 因其具
有计算量小、易于实现的特点, 对匀速运动目标的短
时间遮挡有一定的适应能力, 但是当目标急停或突然
转弯时跟踪性能不佳. CamShift 算法
[10]
是一种基于核
密度估计的无参快速模式匹配算法, 当目标快速运动
或发生遮挡时该方法的跟踪效果不理想. 基于局部形
状特征 (如头肩模型)
[11]
的跟踪方法能够解决部分遮
挡问题, 但确定头肩模型属于哪个运动目标也是难题.
鉴于上述研究现状, 本文采用多特征提取的双
收稿日期: 2012-07-05；修回日期: 2012-09-05.
基金项目: 国家自然科学基金项目(61175087, 61105033)；国家教育部留学回国人员科研启动基金项目(第40批)；北京
市自然科学基金重点项目(KZ201110005004).
作者简介: 王丽佳(1981−), 女, 讲师, 博士生, 从事计算机视觉、目标跟踪的研究；贾松敏(1964−), 女, 教授, 博士生导
师, 从事机器人分散控制、计算机视觉等研究.
资源评论
