2014 年 10 月 Journal on Communications October 2014
第 35 卷第 Z1 期 通 信 学 报 Vol.35
No. Z1
网络视频监控中运动目标跟踪方法改进
韩光星，李崇荣
（清华大学 网络科学与网络空间研究院，北京 100084）
摘 要：针对传统的基于 Kalman 滤波的 MeanShift 跟踪算法目标运动速度突然改变时跟踪丢失的问题，在 Kalman
滤波器中引入加速度项使跟踪保持稳定；为了提高 Camshift 跟踪算法的实时性，使用简化的 Camshift 算法自适应
调整跟踪窗口尺寸。实验结果表明 2 种改进分别提高了速度突变时跟踪准确性和目标跟踪的实时性，适合网络视
频监控场景。
关键词：网络视频监控；MeanShift 算法；Kalman 滤波；Camshift 算法
中图分类号：TP391.41 文献标识码：A 文章编号：1000-436X(2014)Z1-0160-05
Improvement on moving object tracking method for
n
etwork video surveillance
HAN Guang-xing, LI Chong-rong
(Institute for Network Sciences and Cyberspace, Tsinghua University, Beijing 100084, China)
Abstract: To improve the performance of the traditional MeanShift algorithm based on Kalman filter, acceleration to
solve the problem that the moving target changes the direction abruptly is proposed. Another algorithm using simplified
Camshift algorithm to keep track of the blob size has low time complexity which meets the real time requirement of net-
work video surveillance.
Key words: network video monitoring; MeanShift algorithm; Kalman filter; Camshift algorithm
1 引
言
随着社会不断发展，人们对于安全需求逐渐增
加，网络视频监控系统在各个领域均取得了广泛应
用。网络视频监控使用智能处理技术对监控视频进
行分析，运动目标跟踪是网络视频监控领域里一项
关键技术，在视频各帧图像确定跟踪目标的位置，
直至消失，并分配相同的 ID 号，进而得到跟踪目
标的完整运动轨迹，是各种后续高级应用，如目标
分类、目标行为理解的基础
[1]
。
Peter Meer 等提出并完善了用于实时运动物
体 跟 踪 的 MeanShift 目 标 跟 踪 算 法
[2,3]
， 随 后
MeanShift 跟踪算法因计算量小，收敛速度快获
得了广泛的应用。但是 MeanShift 跟踪算法也存
在一些问题，如当运动物体被障碍物遮挡或多个
运动物体运动区域相互重叠时跟踪容易丢失。
Peng N 等
[4]
将 Kalman 滤波
[4]
引入到 MeanShift
跟踪算法，一定程度上解决了目标被遮挡而跟踪
丢失问题
[5～7]
，但是文中 Kalman 滤波器状态只记
录位置和速度信息，当目标运动速度突然改变
时跟踪容易丢失，通过引入加速度项解决这个
问题。
由于 MeanShift 算法中没有对运动物体跟踪
窗口大小的调整，当运动物体向远离或靠近摄像
机的方向运动时，如不及时调整跟踪窗口大小会
导致跟踪丢失。Peter Meer 等提出将跟踪窗口大
小改变 10%并选出其中和目标相似度最高的作为
跟踪窗口实际大小
[2]
，但这种方法只能尝试比较
几种窗口大小，局限性很大。Collins R T 提出了
用尺度变化的方法求解大小变化运动物体的尺
寸
[8]
，但是算法复杂，计算量略大。John G Allen
等随后提出的 Camshift 算法
[9]
利用图像矩
[10]
计
收稿日期：2
014-10-14
doi:10.3969/j.issn.1000-436x.2014.z1.031
资源评论
