基于中心对称局部相似数量模型的均值漂移目标跟踪

为实现对运动目标的实时跟踪,提出中心对称局部相似数量(center symmetric-local similarity number,CSLSN)这一新的局部显著度纹理描述算子,并将其引入到目标表征模型。该算子通过分析中心像素及其8邻域像素之间的大小关系,在局部相似数量(local similarity number,LSN)纹理算子的基础上,针对其无法区分同一局部显著度下的不同纹理结构的问题,增加以中心像素为对称点的局部梯度信息,提取出候选目标区域中具有CS-LSN主要模式的真实目标像素,有效地抑制了背景像素的影响并减少了后续目标表征模型的计算量;利用真实目标像素的CS-LSN纹理特征和色度特征构建直方图,完成目标表征;进而将其嵌入到均值漂移(mean shift,MS)框架完成跟踪。实验结果表明,该方法在目标与背景相似、部分遮挡、光照变化及物体形变等情况下均能完成鲁棒跟踪,目标大小为29像素×25像素时,处理速度约为25帧/s,可满足实时应用的需求。