專利名稱：一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，屬于視覺(jué)跟蹤技術(shù)領(lǐng)域。
背景技術(shù)：
運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的經(jīng)典課題之一，有著重要的應(yīng)用價(jià)值。現(xiàn)實(shí)應(yīng) 用中，由于成像質(zhì)量不佳、環(huán)境照明變化、陰影、遮擋和目標(biāo)變形等原因使得跟蹤問(wèn)題成為 一個(gè)公認(rèn)的具有挑戰(zhàn)性的難題。視覺(jué)目標(biāo)跟蹤可以分為如下幾大類別點(diǎn)目標(biāo)跟蹤，核跟蹤和輪廓跟蹤。點(diǎn)目標(biāo)跟 蹤采用一個(gè)或多個(gè)點(diǎn)來(lái)建模視覺(jué)目標(biāo)；基于核的跟蹤方法具有運(yùn)算簡(jiǎn)單快捷的優(yōu)點(diǎn)，近 年來(lái)在視覺(jué)跟蹤中獲得了廣泛的應(yīng)用，但核跟蹤當(dāng)中目標(biāo)形狀表達(dá)常常采用諸如橢圓，矩 形等簡(jiǎn)單的幾何基元，因此難以準(zhǔn)確提取變形目標(biāo)的復(fù)雜輪廓。而視覺(jué)目標(biāo)形狀的準(zhǔn)確提 取是上述提到的諸多應(yīng)用的關(guān)鍵所在，只有輪廓跟蹤或者說(shuō)曲線跟蹤可以給出這種信息。輪廓模型跟蹤的基本思想是將序列圖像中的目標(biāo)建模為平面曲線——即進(jìn)化的 主動(dòng)輪廓，根據(jù)視頻信息在空間和時(shí)間上的相關(guān)性，確定目標(biāo)在視頻中的位置和姿態(tài)。， 前者的曲線表達(dá)采用了顯式參數(shù)化描述，而后者則將曲線表達(dá)嵌入在高維函數(shù)水平集中 (Level set)。前者的優(yōu)點(diǎn)是計(jì)算復(fù)雜性較低，缺點(diǎn)是不具有拓?fù)渥赃m應(yīng)性，后者的優(yōu)點(diǎn)是 具備拓?fù)渥赃m應(yīng)性和計(jì)算穩(wěn)定，不足是計(jì)算代價(jià)較高。Terzopoulos從拉格朗日動(dòng)力學(xué)原理出發(fā)分別定義了動(dòng)能、勢(shì)能、阻尼項(xiàng)，并推導(dǎo) 出統(tǒng)一形狀與運(yùn)動(dòng)描述的動(dòng)態(tài)變形模型，表示為一時(shí)變的并具慣性的動(dòng)態(tài)輪廓，運(yùn)動(dòng)方程 本身表達(dá)了一種基于力平衡的跟蹤機(jī)制，形狀約束為一般性的平滑性約束，缺點(diǎn)是系統(tǒng)維 數(shù)太高，容易受到噪聲影響；Peterfreimd提出了速度蛇，將光流估計(jì)、主動(dòng)輪廓模型、卡爾 曼濾波有機(jī)的結(jié)合在一起，在一定程度上能有效處理噪音、遮擋和復(fù)雜背景，不足是變形維 數(shù)過(guò)高，計(jì)算復(fù)雜；為了解決有雜物等復(fù)雜背景下多峰值觀測(cè)模型的輪廓跟蹤問(wèn)題，Isard 提出了條件概率傳播算法，即Condensation算法，條件概率傳播算法結(jié)合隨機(jī)動(dòng)力學(xué)模型 與加權(quán)采樣隨著時(shí)間的前進(jìn)傳播關(guān)于形狀與位置完整的概率分布，所產(chǎn)生的濾波器可以 健壯的跟蹤復(fù)雜背景下的目標(biāo)運(yùn)動(dòng)，Condensation算法的不足是與卡爾曼濾波方法相 比，計(jì)算代價(jià)仍然過(guò)高，如果量測(cè)模型建模不合理，則無(wú)論怎樣增加樣本數(shù)也不會(huì)提高跟蹤 性能。幾何輪廓模型最早由Malladi和Caselles分別提出，思想源于Oshier和kthian 所提出的解決以曲率相關(guān)速度沿法線方向前進(jìn)的邊界傳播問(wèn)題的水平集方法。曲線為高維 函數(shù)的零水平集合，曲線進(jìn)化由高維函數(shù)進(jìn)化求得。產(chǎn)生的運(yùn)動(dòng)公式可由滿足熵條件的有 限差分方法逼近計(jì)算，從圖像中得到的速度項(xiàng)用來(lái)在圖像邊緣處終止邊界的傳播。水平集方法最早是由J. Sethian和S. Osher提出的界面?zhèn)鞑パ芯恐兄鸩桨l(fā)展起來(lái)的，它是處理封閉運(yùn)動(dòng)界面隨時(shí)間演化過(guò)程中幾何拓?fù)渥兓挠行в?jì)算工具。水平集 方法的基本思想是將平面閉合曲線隱式的表達(dá)為二維曲面函數(shù)的水平集，即具有相同函數(shù) 值的點(diǎn)集，通過(guò)曲面進(jìn)化隱式的求解曲線的運(yùn)動(dòng)。這種方法的優(yōu)點(diǎn)在于它能夠自然的處理 拓?fù)浣Y(jié)構(gòu)的變化，并且提供了穩(wěn)定的數(shù)值算法。協(xié)方差跟蹤算法的基本過(guò)程如下
1)對(duì)視頻序列的每一幀圖像，提取相應(yīng)的特征圖。對(duì)任意給定一幀圖 像取，)(圖像可以是一維灰度圖
像、三維彩色圖像等等)，設(shè)它的寬度和高度分別為iT和丑，對(duì)圖中的每一個(gè)像素，為其建 立一個(gè)特征向量/(U)，它可以由圖像的像素坐標(biāo)、圖像彩色或灰度信息、圖像梯度，圖像
邊緣方向等元素構(gòu)成，例如，可以取
權(quán)利要求
1.一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，其特征在于建立有模板的水平集框架 下的圖像能量模型，根據(jù)建立的圖像能量模型泛函推導(dǎo)出梯度下降流，然后更新水平集函 數(shù)；水平集框架下的圖像能量模型泛函定義為Α, {φ) = Λ ||log Cr {φ) - log Ct IIf - Λ2 flog Crc {φ) - log Ct ||廠入1; λ2是控制前景與背景信息的權(quán)重，Οε(Φ)和 ^⑷分別表示曲線內(nèi)、外部區(qū)域的 協(xié)方差，Ct表示模板的協(xié)方差；極小化能量泛函Ρμ(Φ)即極小化候選目標(biāo)區(qū)域與模板的 協(xié)方差距離同時(shí)極大化候選背景區(qū)域與模板的協(xié)方差距離；完整的能量泛函為ρ (φ) = λ iP ^11((J))-X2P ia2((i)) + a ρ 3(φ) + β ρ Γ(Φ)式中Ρ ,η(φ), Ρ,,12(Φ), Ρ3(Φ), ΡΓ(Φ)分別代表圖像能量前景項(xiàng)、圖像能量背景 項(xiàng)、形狀能量項(xiàng)以及懲罰能量項(xiàng)，A1, λ2，α，β表示權(quán)重；具體步驟如下1)在第一幀，手動(dòng)初始化包圍目標(biāo)的曲線，為曲線包圍的區(qū)域建立協(xié)方差矩陣作為目 標(biāo)輪廓的模板；2)在獲得了目標(biāo)的輪廓之后，記錄模板的水平集函數(shù)值為先驗(yàn)形狀做準(zhǔn)備并計(jì)算模板 的符號(hào)化距離函數(shù)；3)從下一幀圖像開始，由上一幀的結(jié)果，根據(jù)建立的能量泛函推導(dǎo)出梯度下降流，然后 更新水平集函數(shù)；4)檢測(cè)迭代是否終止，這里采用的迭代終止準(zhǔn)則(a)計(jì)算當(dāng)前零水平集內(nèi)部的協(xié)方 差矩陣與先驗(yàn)?zāi)繕?biāo)輪廓內(nèi)部的協(xié)方差矩陣之間的距離，如果小于一個(gè)閾值，迭代終止，反之 繼續(xù)迭代；(b)迭代次數(shù)的限制；5)轉(zhuǎn)到步驟3)。
2.根據(jù)權(quán)利要求1所述的一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，其特征在于在 步驟2、之前先利用幾何主動(dòng)輪廓線模型對(duì)目標(biāo)輪廓分割處理，使得輪廓接近真實(shí)的目標(biāo)。
3.根據(jù)權(quán)利要求1所述的一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，其特征在于利 用非歐氏幾何方法建立有模板的水平集框架下的圖像能量模型。
4.根據(jù)權(quán)利要求2所述的一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，其特征在于幾 何主動(dòng)輪廓線模型為C-V模型。
5.一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，其特征在于直接極大化前景協(xié)方差矩 陣和背景協(xié)方差矩陣的不匹配度，實(shí)現(xiàn)基于圖像分割的目標(biāo)跟蹤，圖像能量模型定義為根據(jù)上式，候選目標(biāo)區(qū)域與候選背景區(qū)域的協(xié)方差距離達(dá)到最大時(shí)，將目標(biāo)區(qū)域從背 景區(qū)域中提取出來(lái)；具體步驟如下ι)讀取圖片，手動(dòng)或半自動(dòng)初始化包圍目標(biāo)的曲線；2)分別為曲線內(nèi)部和外部建立協(xié)方差矩陣，并計(jì)算符號(hào)化距離函數(shù)；3)由上一次的迭代結(jié)果，根據(jù)建立能量泛函推導(dǎo)出的梯度下降流，更新水平集函數(shù)；4)檢測(cè)迭代是否終止，這里采用的迭代終止準(zhǔn)則(a)計(jì)算當(dāng)前零水平集內(nèi)部的協(xié)方 差矩陣與外部的協(xié)方差矩陣之間的距離，如果大于一個(gè)閾值，迭代終止，反之繼續(xù)迭代；(b) 迭代次數(shù)的限制；5)轉(zhuǎn)到步驟3)。
全文摘要
本發(fā)明涉及一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，屬于視覺(jué)跟蹤技術(shù)領(lǐng)域。一種基于協(xié)方差匹配的主動(dòng)輪廓跟蹤方法，利用非歐氏幾何建模圖像區(qū)域能量項(xiàng)。在第一幀，手動(dòng)初始化包圍目標(biāo)的曲線，為曲線包圍的區(qū)域建立協(xié)方差矩陣作為目標(biāo)輪廓的模板；在獲得了目標(biāo)的輪廓之后，記錄模板的水平集函數(shù)值為先驗(yàn)形狀做準(zhǔn)備并計(jì)算模板的符號(hào)化距離函數(shù)；從下一幀圖像開始，由上一幀的結(jié)果，根據(jù)建立的能量泛函推導(dǎo)出梯度下降流，然后更新水平集函數(shù)；檢測(cè)迭代是否終止。本發(fā)明的跟蹤結(jié)果更加準(zhǔn)確，同時(shí)以協(xié)方差矩陣作為區(qū)域描繪子，綜合考慮了圖像序列中的各種信息及彼此之間的相關(guān)性，不依賴于前、背景信息的分布，使跟蹤方法更具有普適性。
文檔編號(hào)G06T7/20GK102063727SQ20111000329
公開日2011年5月18日 申請(qǐng)日期2011年1月9日 優(yōu)先權(quán)日2011年1月9日
發(fā)明者馬波 申請(qǐng)人:北京理工大學(xué)