© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net
第21 卷 第5 期
Vol. 21 No. 5
控 制 与 决 策
Control and D ecision
2006 年5 月
M ay 2006
收稿日期: 2005204211; 修回日期: 2005205226.
基金项目: 国家自然科学基金项目
(
60104009
)
; 山东省自然科学基金项目
(
Y
2005
G
16
)
.
作者简介: 常发亮
(
1965—
)
, 男, 山东寿光人, 教授, 从事模式识别、机器视觉与智能控制等研究; 乔谊正
(
19422
)
, 男,
上海人, 教授, 博士生导师, 从事模式识别与图像处理等研究.
文章编号: 100120920
(
2006
)
0520503205
遮挡情况下的视觉目标跟踪方法研究
常发亮, 马 丽, 乔谊正
(
山东大学 控制科学与工程学院, 济南 250061
)
摘 要: 将目标整体相关匹配算法和目标各子块相关匹配作表决的算法相结合, 有效解决了运动目标被遮挡的跟踪
问题. 目标被遮挡, 表现为某些子块被遮挡且匹配错误. 对被遮挡的子块使其不参与表决, 也不参与整体相关匹配的
计算, 只利用目标剩余的能代表目标本身属性的未遮挡子块继续跟踪目标. 实验结果表明, 采用的两种算法互为补
充, 对解决遮挡情况下目标的视觉跟踪是有效的.
关键词: 目标跟踪; 遮挡; 多子块表决; 灰度相关匹配
中图分类号:
TP
391. 41 文献标识码:
A
Study on Vision Target Tracking M ethod under Occlusion
CH A N G Fa
2
liang
,
M A L i
,
Q IA O Y i
2
zheng
(
School of Control Science and Engineering
,
Shandong U niversity
,
J i’nan
250061,
China
.
Correspondent
:
CHAN G
Fa
2
liang
,
E
2
m ail
:
flchang
@
sdu
.
edu
.
cn
)
Abstract
:
A m ethod is p roposed to so lve target tracking p roblem of the moving object under occlusion efficiently in
rigid target tracking by combining integral
2
co rrelation
2
m atching algorithm w ith m ulti
2
block
2
voting algorithm
.
If the
target is occluded
,
it m eans that som e blocks are occluded and m atching falsely
.
The occluded blocks are no t to
participate in voting and integral
2
co rrelation
2
m atching calculation
,
and only the rem ainder unoccluded blocks that
can rep resent the target attribute are used to track the target unceasingly
.
Experim ental results show that the
adop ted two algorithm s are comp lem entary
,
and effective combination of the two algorithm s can achieve reliable
vision tracking perform ance under the case of heavy occlusion of the moving objects
.
Key words
:
Target tracking
;
O cclusion
;
M ulti
2
blocks voting
;
Integral
2
co rrelation
2
m atching
1
引 言
运动目标跟踪中的一个难题是遮挡问题. 一般
有 3 种类型的遮挡: 运动目标被场景中的静止物体
所遮挡; 多运动目标之间的相互遮挡; 目标由于自身
旋转变形等原因造成的自身遮挡. 为解决遮挡问题,
国内外学者已进行了大量的研究, 提出了许多有效
的方法: 1
)
基于目标特征匹配的算法
[1~ 4 ]
, 其特征点
可以是目标二值分割图像、边缘点或角点, 广义的
Hough
变换解决遮挡问题, 以目标的角点为特征
点, 在遮挡过程中以剩余的特征点表决目标的位
置
[5 ]
; 2
)
灰度相关匹配和
Kalm an
预测相结合, 以像
素灰度的预测值和测量值的差别来判断该像素是否
发生遮挡, 以确定怎样进行模板更新
[6 ]
; 3
)
多子模板
匹配的方法, 以匹配误差判定子模板是否被遮挡, 然
后用整体的目标灰度相关匹配来继续跟踪目标
[7, 8 ]
;
4
)
基于动态贝叶斯网络模型来精确地对遮挡过程建
模
[9, 10 ]
; 5
)
基于网格模型解决遮挡问题
[11, 12 ]
. 文献
[13 ]是采用边缘匹配的方法, 但这种方法的效果十
分依赖于运动目标分割和边缘检测的质量, 而且没
有利用目标本身的灰度信息. 文献[14 ]是将目标分
块, 通过各子块的表决来确定最佳的匹配, 但这种方
法是固定的分块, 若子块的特征不明显, 则很可能出
现误配.
本文提出了遮挡情况下的目标跟踪算法, 首先