目标跟踪 | 论文——改进的Camshift算法

简介

论文题目：Target tracking based on the improved Camshift method
（基于改进Camshift的目标跟踪算法）
出处： 2016， Control and Decision Conference, CCDC, Chinese
论文网址：https://ieeexplore.ieee.org/abstract/document/7531607
目的：
降低复杂背景问题

论文介绍

1. 摘要

在目标跟踪中，复杂的背景通常会对跟踪质量产生负面影响。可以提取运动目标的特征提取以抑制由背景跟踪引起的干扰。

提出了一种改进的Camshift跟踪方法，选择高斯加权函数选择目标区域，即目标区域，并从背景中截取目标区域，对目标区域的反投影图进行独立跟踪 ，从而消除了背景对物体的干扰。

将该方法与传统的Camshift算法和基于多特征融合的Camshift算法进行了比较，实验结果表明，与传统的Camshift跟踪算法相比，基于多特征融合的Camshift算法具有更高的精度和稳定性。

它克服了目标跟踪中背景复杂造成的干扰问题，具有很高的实用性，可以满足实时性的要求。

2. 方法

具体算法描述：

1. 拍摄第一帧图像，使用框图选择目标区域，该区域将用于跟踪和计算模型的直方图。

2. 选择一个高斯加权函数，使其与目标程序框图的中心点重合，得到加权目标区域并将其设置为感兴趣的区域。

3. 目标区域由ROI捕获，将其放置在与原始背景大小相同的纯黑色背景中。

4. 通过Camshift跟踪执行最后一步中获得的图像，并获得新的反向投影。

5. 返回步骤2，重复步骤2-步骤4，并实现对目标区域的实时跟踪。

从以上对目标跟踪过程的描述可以看出，本文提出的方法可以解决背景干扰。

概念

1. Camshift算法

参考：
Camshift：https://blog.csdn.net/qq_37791134/article/details/81003626
Meanshift：https://www.cnblogs.com/developerdaily/p/9284093.html

2. 反向投影

参考：
https://blog.csdn.net/qq_27923041/article/details/82703685
https://blog.csdn.net/gu_gu_/article/details/50465640

反向投影是一种记录给定图像中的像素点如何适应直方图模型像素分布的方式。
简单地讲，就是首先计算某一特征的直方图模型，然后使用模型去寻找图像中存在的该特征。
例如，有一个Hue-Saturation直方图，可以用它来寻找图像中的肤色区域。

反向投影中的“反向”指的是从直方图值到反向投影矩阵映射的过程。

通过反向投影，原始的图像被简化了，而这个简化的过程实际上就是提取出图像的某个特征。所以我们就可以通过这个特征来对比两幅图，如果两幅图的反向投影矩阵相似或相同，那么我们就可以判定这两幅图这个特征是相同的。

OpenCV中的compareHist函数用来计算两个直方图的相似程度。