龙源期刊网 http://www.qikan.com.cn
运动目标跟踪算法综述
作者：霍玲玲 杨莹
来源：《电子技术与软件工程》2016年第24期
随着视频监控技术的不断发展和视频监控系统的广泛应用，目标跟踪是近年来一个重要的研究课题，目标跟踪技术是监控系统中最重要、应用范围最广的技术之一，目标跟踪技术的实现依托于目标跟踪算法。运动目标跟踪算法具有广泛的研究价值和挑战性。本文对当前主流的运动目标跟踪算法：Kalman滤波算法、Mean Shift算法、粒子滤波算法等进行了研究，归纳总结了每种跟踪算法的优缺点、适用性和局限性，通过对跟踪算法的分析对运动目标跟踪技术的发展趋势进行了展望。
【关键词】视频监控 运动目标跟踪 跟踪算法
目标跟踪是计算机视觉领域的一个基本问题，是监控领域中的重点问题，目标跟踪方法是监控领域最为关键的技术，也是现在研究的热点问题之一。目标跟踪技术是多种技术的综合技术，如计算机技术、模式识别技术、图像处理技术和人工智能等。它已广泛的应用在智能监控、交通监视、人机交互、日常生活、视频索引、国防、车辆导航、天文观测、高校教室监控、图像检索等方面，由于跟踪的对象是视频图像序列中每一帧的运动目标，所以其跟踪结果中包含了大量目标颜色、位置等特征，所以目标跟踪在其应用领域起着重要的作用。在对目标进行跟踪时，需要对跟踪图像序列的某一帧或者多帖结合起来的图像进行颜色变换、滤波、提取背景等操作，使用计算机在复杂环境中进行目标跟踪是一项具有挑战性的工作，目前没有一种通用的跟踪算法能够准确跟踪任何环境下的运动目标，所以目标跟踪方法有很大的提升空间，对目标跟踪的研究是一项非常有意义的工作。本文将对目标跟踪的基本算法进行详细的介绍。
1 目标跟踪算法
1.1 基于Mean Shift（均值偏移）的目标跟踪算法
Mean Shift算法第一次是由Fukunaga和Hostetle在1975 年提出的，他们的文章是关于概率密度梯度函数的估计的，它是一种无参估计算法，Mean Shift是一个不断进行迭代的循环，通过不停的迭代过程寻找到跟踪目标的下一个位置。简单来说，Mean Shift算法过程就是首先计算起始点的偏移的均值，给定一个初始点，核函数和容许误差，得到的数值就是目标移动的距离，然后通过迭代方法，沿着概率密度函数的梯度方向不断的移动，最终收敛于一个局部密度的峰值。
Mean Shift算法计算简单，对目标的形状变化、尺度变化有一定的适应性，效率较高，分析结果的可靠性越高跟踪的鲁棒性越好。但是这种算法只是一种局部优化的方法，当目标颜色