matlab画椭圆 长轴 短轴,跟踪目标的快速椭圆拟合方法

摘  要： 提出一种基于最小外包矩形的快速椭圆拟合方法，该方法利用最小二乘法获得目标的最小外包矩形框，再求取外包矩形框的内切椭圆，该椭圆能有效反映目标的大部分运动信息。本文对该方法进行了目标拟合的有效性和实效性实验分析。分析表明，本算法得到的拟合椭圆内背景像素比例(Background Pixel Raito，BPR)相比于传统的矩形框和经典的Khachiyan椭圆拟合方法有了显著的下降，且拟合方法无需迭代运算，拟合速度仅次于传统的矩形框，比经典的Khachiyan椭圆拟合方法快3倍。本算法对于实时目标跟踪应用具有很好的应用价值。

关键词： 目标跟踪；椭圆拟合；最小二乘法；Khachiyan算法；矩形拟合框

0 引言

几何形状是一种常见的目标表示方法，如椭圆、矩形等[1-2]。在跟踪过程中，拟合的几何框面积越接近真实的运动目标，就越能真实地反应运动目标的各项参数。因此，目标的拟合率是目标检测与跟踪的一个重要指标[3]。特别是在多目标跟踪应用中，若运动目标的拟合几何框偏大，可能会导致两个运动目标的拟合框有一定程度的重合，两个拟合框之间相互影响，造成获取的目标特征不够准确。反之，若拟合几何框偏小，计算出的目标特征不够完整，也会影响跟踪效果[4]。

在目前的视频跟踪算法及应用中，矩形框是一种使用最多的目标表示方法，该方法利用目标四个方向最远边界点得到的矩形框来表示跟踪目标。这种矩形框虽然能够包含所有的目标信息点，但是往往包含较多的背景信息，因此可能造成遮挡、多目标重叠等问题[5]。针对此问题，国内外一些学者开始关注其他几何形状目标表示方法。其中，用最小面积的闭包椭圆来表示运动目标的方法受到了最多关注[6]。其原因是椭圆在很多目标表示方面(如人体、小汽车等)有着形状上的优势，不仅可以用更少的面积表示目标，而且椭圆的方向角度变化还能反映目标的一些行为动作[7]。

最小体积的闭合椭球模型(Minimum Volume Enclosing Ellipsoids，MVEE)是求解散点的最小闭包球的一种经典模型，许多学者提出了相关的求解方法，如Khachiyan算法[8]、KY算法[9]，Todd M.J.等人提出了相关的改进方法[10]，用于降低算法的复杂度和迭代次数。

Chaudhuri.D提出了一种闭合区域的最小边界框拟合方法，实现了对闭合区域的目标拟合最小的边界矩形框[11]。通过这种方法拟合出的矩形框可认为是目标的最小边界矩形框，不管从实际图像还是仿真图像的处理结果来看，该方法既精准又高效。

基于以上分析，本文根据最小二乘法求得目标的最佳外接矩形框，提出了一种基于外接矩形的椭圆拟合方法，该方法针对连续的前景目标拟合不需要迭代，速度快，效率高，拟合的椭圆面积与目标本身的面积接近，且椭圆中背景像素也相对较少。因此，该方法可以很好地近似表达视频中的运动目标，并解决多目标的重合问题，对噪声点有较好的鲁棒性。

1 最小外接矩形模型

最小外接矩形不同于常见的垂直矩形拟合框，最小外接矩形拟合过程如图1所示。具体步骤是：提取目标边界，计算目标中心，计算长短轴，寻找四个方向的最远边界点，计算出经过最远点的矩形框。

1.1 获取目标的边界

Sobel边缘检测器是一种常见的边缘提取工具，Sobel边缘检测器是利用特定的数字掩模图像进行滤波运算，Sobel边缘检测具有提取速度快的特点，本文利用Sobel算子提取目标的边界信息。

1.2 计算边界的中心

对于二维图像A，提取目标边界(xi，yi)(i=1，2…n)的中心坐标，通过以下公式计算得到：