针对由于Cam Shift算法跟踪特征单一引起的对颜色相似目标或背景的干扰和对目标遮挡情况较敏感的问题,提出了一种基于改进Cam Shift融合局部特征匹配的无人机目标跟踪算法。首先,采用基于H分量和LBP二维模板的改进Cam Shift目标跟踪算法以提高对相似目标干扰的鲁棒性;其次,在能保证目标跟踪的实时性要求的前提下,融合局部特征匹配算法中的BRISK匹配算法,可有效改善Cam Shift对颜色相似目标或背景的干扰的敏感性,同时增强对目标遮挡鲁棒性。实验结果表明,该改进算法通过颜色特征和局部特征的共同定位目标,实现了目标的准确跟踪。 它是一个基于MeanShift的改进算法［4］。首次由GaryＲ．Bradski等人提出和应用在人脸的跟踪上，并取得了不错的效果。由于它是利用颜色的概率信息进行跟踪，运行效率比较高。CamShift算法的过程由下面步骤组成:首先手动选取待跟踪目标区域，使用MeanShift颜色直方图信息作为模板  本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com，跟踪算法研究-数控滚圆机滚弧机折弯机张家港切管机液压切管机折弯机再提取下一帧图像的颜色直方图，进行直方图匹配，通过计算相似度获得相似度密度分布图，图中的极值位置即为目标位置。其具体步骤如图1所示。图1CamShift目标跟踪流程图1．2BＲISK局部特征匹配算法BＲISK算法采用如图2所示的自定义邻域采样模式，采样点等距离分布在以特征点为中心的40×40像素块内，构建多个同心圆，共60个采样点［5］。BＲISK算法的粗略归纳:①生成图像金字塔。②使用fast算法检测角点。③对fast计算出的角点进行非最大值抑制，去掉不符合条件的角点。由于其旋转不变性、尺度不变性和鲁棒性性能较好，故本文选用BＲISK局部特征匹配算法对CamShift算法加以改进。图2BＲISK领域采样模式2本文算法2．1基于H和LBP二值模板的CamShift算法目标跟踪过程中的良好跟踪模板是可靠跟踪的先决条件。CamShift模板使用传统的颜色概率分布［6］，即只计算HSV颜色模型中的H分量并将其用作模板，这导致在目标跟踪过程中，跟踪特性是单一的。当背景和目标H值相似时，目标的跟踪精度会降低。通过引入S分量来形成H-S二维直方图模板，改进了原始算法。S和V分量用于组成三维直方图跟踪模板，但类似颜色背景干扰和干扰跟踪算法研究-数控滚圆机滚弧机折弯机张家港切管机液压切管机折弯机  本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com