視覺跟蹤是通過對(duì)圖像序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測、識(shí)別、跟蹤，獲得運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)參數(shù)，通過進(jìn)一步處理與分析，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的行為認(rèn)識(shí)，以完成對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤[1-2]等更高級(jí)的任務(wù)。處理理背景復(fù)雜多變的目標(biāo)運(yùn)動(dòng)的跟蹤問題，要運(yùn)用到現(xiàn)階段各相關(guān)領(lǐng)域相結(jié)合的識(shí)別跟蹤算法，如均值漂移算法(Mean Shift)[3]，卡爾曼濾波算法(Kalman)、粒子群跟蹤算法(Pso)[4]，以及粒子濾波跟蹤算法PF(Particle Filter)[5]。粒子濾波算法適合處理非線性系統(tǒng)的目標(biāo)跟蹤問題，它擺脫了解決非線性濾波問題時(shí)，隨機(jī)量必須滿足高斯分布的制約[6]。因此，粒子濾波能夠比較精確地表達(dá)基于觀測量和控制量的后驗(yàn)概率分布,可用于解決即時(shí)定位與地圖構(gòu)建SLAM(Simultaneous Localization and Mapping)問題。

4 實(shí)驗(yàn)與結(jié)果分析
4.1實(shí)驗(yàn)環(huán)境
    實(shí)驗(yàn)的硬件環(huán)境：CPU型號(hào)：Intel 酷睿i5 3210 M,CPU主頻為2.5 GHz,內(nèi)存為4 GB,顯存為2 GB。
    實(shí)驗(yàn)的軟件環(huán)境：操作系統(tǒng)為Windows 7，編程環(huán)境為Microsoft Visual C++ 6.0,所用函數(shù)庫為OpenCV,MFC。
4.2 實(shí)驗(yàn)結(jié)果與分析
    采用基于加權(quán)顏色直方圖粒子濾波的視覺跟蹤器對(duì)目標(biāo)進(jìn)行跟蹤的。
    本文將基于加權(quán)顏色直方圖的粒子濾波算法用于目標(biāo)人物的實(shí)時(shí)跟蹤。實(shí)驗(yàn)是在VC++6.0和OpenCV的環(huán)境下進(jìn)行，矩形為人為設(shè)定，每幀圖像的大小為640×480像素，粒子數(shù)N=150。圖2所示為對(duì)小件物體的運(yùn)動(dòng)目標(biāo)的視覺跟蹤，并把粒子樣本顯示出來，如圖方框中的粒子，粒子分布符合高斯分布。圖3所示為對(duì)女生的運(yùn)動(dòng)目標(biāo)的視覺跟蹤，圖中矩形內(nèi)部是待跟蹤的目標(biāo)人物，矩形為人為設(shè)定,用基于加權(quán)顏色直方圖的粒子濾波方法對(duì)具有特定顏色的目標(biāo)進(jìn)行跟蹤，計(jì)算每幀圖像每個(gè)像素點(diǎn)的顏色概率分布直方圖，對(duì)每個(gè)像素進(jìn)行加權(quán)處理，只需保留樣本中權(quán)值大的粒子，拋棄權(quán)值小的粒子，這樣就大大減少了計(jì)算。實(shí)驗(yàn)結(jié)果表明，粒子濾波跟蹤算法對(duì)系統(tǒng)資源要求不高，計(jì)算時(shí)間少，一幀平均處理時(shí)間為170 ms。而在有遮擋的運(yùn)動(dòng)目標(biāo)的圖像序列當(dāng)中，每幀圖像的大小為640×480像素,粒子數(shù)N=150，對(duì)有遮擋的運(yùn)動(dòng)目標(biāo)能夠有很好的魯棒性，平均每幀跟蹤時(shí)間為350 ms。圖4所示為對(duì)男生的運(yùn)動(dòng)目標(biāo)的視覺跟蹤，對(duì)有遮擋的目標(biāo)，跟蹤的準(zhǔn)確率有所下降；而有遮擋的運(yùn)動(dòng)目標(biāo)則有很好的魯棒性，平均每幀跟蹤時(shí)間為350 ms。表1為圖像序列在這兩種情況下,跟蹤算法的成功率的比較，當(dāng)跟蹤窗口沒有跟蹤目標(biāo)視為失敗。

    本文闡述了通過基于特征跟蹤策略，應(yīng)用OpenCV函數(shù)庫進(jìn)行對(duì)圖像序列的運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤和監(jiān)測，實(shí)現(xiàn)了基于加權(quán)顏色直方圖粒子濾波的視覺跟蹤器。通過實(shí)驗(yàn)表明,基于加權(quán)顏色直方圖的粒子濾波方法計(jì)算效率高，魯棒性好，實(shí)現(xiàn)了對(duì)彩色物體的實(shí)時(shí)跟蹤。
參考文獻(xiàn)
[1] 侯志強(qiáng)，韓崇昭.視覺跟蹤技術(shù)綜述[J].自動(dòng)化學(xué)報(bào)，2006，32（4）：604-612.
[2] 楊戈，劉宏.視覺跟蹤算法綜述[J].智能系統(tǒng)學(xué)報(bào), 2010，5（2）：96-102.
[3] 周芳芳，樊曉平，葉榛.均值漂移算法的研究與應(yīng)用[J].控制與決策, 2007(8)：841-847.
[4] 竇永梅. 基于粒子群算法和卡爾曼濾波的運(yùn)動(dòng)目標(biāo)跟蹤算法[D]. 太原：太原理工大學(xué),2011.
[5] 王法勝，郭權(quán).視覺跟蹤中的粒子濾波算法研究進(jìn)展[J]. 山西大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，34(4)：528-533.
[6] 胡昭華，樊鑫，梁德群，等.基于雙線非線性學(xué)習(xí)的軌跡 跟蹤和識(shí)別[J].計(jì)算機(jī)學(xué)報(bào),2007,30(8):1390-1397.
[7] 吳長江，趙不賄，鄭博，等.基于FPGA的動(dòng)態(tài)目標(biāo)跟蹤系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用，2010，36(3):45-50.
[8] 李由，張恒，李立春.基于多測量融合的粒子濾波跟蹤算法[J].國防科技大學(xué)學(xué)報(bào),2007,29(5)：27-30.
[9] 楊柳，張寶亮，趙建，等.基于改進(jìn)粒子濾波算法的人體運(yùn)動(dòng)跟蹤[J]. 電子技術(shù)應(yīng)用,2007,33(11):74-79.