專利名稱：一種復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理領(lǐng)域的目標(biāo)跟蹤方法，尤其涉及一種復(fù)雜場景下的運(yùn)動(dòng) 目標(biāo)跟蹤方法。
背景技術(shù)：
目標(biāo)跟蹤技術(shù)的研究和應(yīng)用是計(jì)算機(jī)視覺的一個(gè)重要分支，廣泛應(yīng)用于導(dǎo)彈制 導(dǎo)、交通路口監(jiān)控、航空航天、安防監(jiān)控、體育競技等領(lǐng)域。目標(biāo)跟蹤的主要任務(wù)是從視頻流 中提取特征信息，其中包括位置、形狀大小、輪廓或者顏色等信息，依據(jù)這些信息完成目標(biāo) 跟蹤的過程。目前常用的運(yùn)動(dòng)目標(biāo)跟蹤方法主要分為三類基于運(yùn)動(dòng)分析的方法，基于圖像特 征匹配的方法，基于顏色特征分布的方法?；谶\(yùn)動(dòng)分析的方法如幀間差分法、光流法等方法，幀間差分法主要是利用相鄰 幀間像素的變化情況來檢測運(yùn)動(dòng)目標(biāo)，但是此類算法方法簡單、對光線變化比較敏感，抗干 擾能力差；光流法是通過計(jì)算像素點(diǎn)的運(yùn)動(dòng)矢量來實(shí)現(xiàn)跟蹤過程，但是此類方法的算法時(shí) 間復(fù)雜度較大，難以適應(yīng)復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤。基于圖像特征匹配的方法如Moravec提出的利用圖像灰度自相關(guān)函數(shù)的特征點(diǎn) 檢測算子，Kass等人提出的Snake主動(dòng)輪廓模型的模型匹配方法，此類方法算法復(fù)雜度大， 且對目標(biāo)遮擋、變形等適應(yīng)性不夠理想?；陬伾卣鞣植嫉姆椒ㄈ鏑amshit算法是一種基于顏色空間目標(biāo)跟蹤算法， 較好地解決了光照強(qiáng)度對跟蹤的影響，對目標(biāo)的平移、轉(zhuǎn)動(dòng)以及遮擋等不敏感性。但是在某 些復(fù)雜場景下，尤其是在背景顏色和目標(biāo)顏色相似時(shí)會(huì)出現(xiàn)跟蹤效果不夠理想的情況，甚 至導(dǎo)致跟蹤目標(biāo)的丟失。如何在復(fù)雜場景下的視頻序列中對指定目標(biāo)進(jìn)行穩(wěn)健、有效且實(shí)時(shí)的跟蹤一直是 目標(biāo)跟蹤的研究重點(diǎn)。

發(fā)明內(nèi)容
鑒于此種情況，本發(fā)明的目的是提供一種復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，可以 較好地解決復(fù)雜場景下的運(yùn)動(dòng)物體動(dòng)態(tài)跟蹤的問題，
為達(dá)到上述目的，本發(fā)明的構(gòu)思是對初始視頻圖像指定的目標(biāo)區(qū)域內(nèi)統(tǒng)計(jì)目標(biāo)區(qū)域 H分量背景加權(quán)直方圖，在跟蹤的過程中對當(dāng)前幀圖像建立自適應(yīng)背景的更新顏色概率分 布圖，并利用Camshift算法迭代并求出質(zhì)心位置。這樣可以實(shí)時(shí)地更新目標(biāo)搜索區(qū)域內(nèi)的 顏色是目標(biāo)的概率，從而達(dá)到較小背景顏色對目標(biāo)跟蹤的影響。同時(shí)采用貪心預(yù)測法對目 標(biāo)運(yùn)動(dòng)做運(yùn)動(dòng)預(yù)測，增強(qiáng)了跟蹤的準(zhǔn)確性和魯棒性。根據(jù)上述發(fā)明構(gòu)思，本發(fā)明采用下述技術(shù)方案
一種復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于操作步驟如下 (1)建立目標(biāo)區(qū)域H分量背景加權(quán)直方圖在初始視頻圖像中指定的目標(biāo)所在的區(qū)域圖像，進(jìn)行RGB顏色空間轉(zhuǎn)換到HSV顏色空 間，通過對目標(biāo)矩形框中的像素距離中心的長度實(shí)現(xiàn)加權(quán)，計(jì)算出H分量加權(quán)直方圖，將此 H分量背景加權(quán)直方圖作為參考模型存儲(chǔ)起來作為查找表。該查找表是表示目標(biāo)的顏色信 息，直接影響目標(biāo)跟蹤的準(zhǔn)確性。(2)建立自適應(yīng)背景的更新顏色概率分布圖
對當(dāng)前幀視頻圖像中目標(biāo)區(qū)域進(jìn)行分析，并利用Bayes公式對當(dāng)前顏色直方圖的H分 量與上述步驟(1)中的H分量背景加權(quán)直方圖查找表做運(yùn)算，求得所對應(yīng)的H分量顏色是 目標(biāo)的概率，并建立矩形區(qū)域的更新顏色概率分布圖。(3)利用Camshift跟蹤算法迭代求出質(zhì)心位置
對于搜索區(qū)域內(nèi)的更新顏色概率分布圖，利用Camshift算法計(jì)算出搜索區(qū)域內(nèi)更新 顏色概率分布圖的質(zhì)心。重復(fù)上述步驟(2)至步驟(3)，直到質(zhì)心位置收斂為止。 (4)采用貪心預(yù)測法對目標(biāo)做運(yùn)動(dòng)預(yù)測
采用貪心預(yù)測法來對目標(biāo)做運(yùn)動(dòng)預(yù)測，在視頻處理的相鄰兩幀間的運(yùn)動(dòng)時(shí)間較短，目 標(biāo)的運(yùn)動(dòng)狀態(tài)變化不大，即目標(biāo)速度變化較小，貪心預(yù)測法假定運(yùn)動(dòng)目標(biāo)在相鄰兩幀做勻 速運(yùn)動(dòng)預(yù)測目標(biāo)坐標(biāo)，再通過與目標(biāo)實(shí)際位置做參考計(jì)算誤差并作為補(bǔ)償，預(yù)測得到下一 幀目標(biāo)的坐標(biāo)位置。所述步驟(1)中建立目標(biāo)區(qū)域H分量背景加權(quán)直方圖，具體步驟如下
①顏色空間轉(zhuǎn)換對攝像機(jī)采集到的視頻序列中初始化指定搜索窗口進(jìn)行RGB顏色 空間轉(zhuǎn)化到HSV顏色空間，這樣可以減小光照亮度對目標(biāo)跟蹤的影響。H參數(shù)表示色彩信 息，即所處的光譜顏色的位置。該參數(shù)用一角度量來表示，紅、綠、藍(lán)分別相隔120度?；パa(bǔ) 色分別相差180度。②統(tǒng)計(jì)H分量的背景加權(quán)直方圖在采用矩形框指定初始目標(biāo)時(shí)通常會(huì)包含部 分背景顏色。采用加權(quán)背景直方圖的方法，賦予背景顏色較小的權(quán)值，可以降低背景顏色對 目標(biāo)跟蹤的影響。由于背景顏色大多在矩形框的邊緣，假設(shè)矩形區(qū)域內(nèi)的每個(gè)點(diǎn)都被賦予 一個(gè)權(quán)值，權(quán)值的大小取決于距離中心點(diǎn)的遠(yuǎn)近，用高斯核函數(shù)來調(diào)節(jié)。H分量加權(quán)背景直 方圖的數(shù)學(xué)描述計(jì)算公式如公式(1)
權(quán)利要求
1.一種復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于操作步驟如下(1)建立目標(biāo)區(qū)域H分量背景加權(quán)直方圖對初始視頻圖像中的目標(biāo)區(qū)域矩形框內(nèi)的 圖像進(jìn)行RGB顏色空間轉(zhuǎn)換到HSV顏色空間；通過對目標(biāo)矩形框中的像素距離中心的長度 實(shí)現(xiàn)加權(quán)，計(jì)算出H分量的背景加權(quán)直方圖，將此H分量背景加權(quán)直方圖作為參考模型存儲(chǔ) 起來作為查找表；(2)建立自適應(yīng)背景的更新顏色概率分布圖對當(dāng)前幀視頻圖像中目標(biāo)區(qū)域進(jìn)行分析， 并利用Bayes公式對當(dāng)前顏色直方圖的H分量與上述步驟(1)中的H分量背景加權(quán)直方圖 查找表做運(yùn)算，求得所對應(yīng)的H分量顏色是目標(biāo)的概率，并建立矩形區(qū)域的更新顏色概率 分布圖；(3)利用Camshift跟蹤算法迭代求出質(zhì)心位置對于搜索區(qū)域內(nèi)的更新顏色概率分布 圖，利用Camshift算法計(jì)算出搜索區(qū)域內(nèi)更新顏色概率分布圖的質(zhì)心；重復(fù)上述步驟(2) 至步驟(3)，直到質(zhì)心位置收斂為止；(4)采用貪心預(yù)測法對目標(biāo)做運(yùn)動(dòng)預(yù)測貪心預(yù)測法假定運(yùn)動(dòng)目標(biāo)在相鄰兩幀做勻速 運(yùn)動(dòng)預(yù)測目標(biāo)坐標(biāo)，再通過與目標(biāo)實(shí)際位置做參考計(jì)算誤差并作為補(bǔ)償，預(yù)測得到下一幀 目標(biāo)的坐標(biāo)位置；(5)將上述步驟(4)中預(yù)測的坐標(biāo)位置作為下一幀的目標(biāo)區(qū)域跟蹤框中心，循環(huán)上述步 驟(2)至步驟(4)實(shí)現(xiàn)對運(yùn)動(dòng)目標(biāo)的跟蹤。
2.根據(jù)權(quán)利要求1所述的復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，所述步驟(1) 中的建立目標(biāo)區(qū)域H分量背景加權(quán)直方圖具體步驟是①對攝像機(jī)采集到的視頻序列中的初始化矩形搜索窗口即指定目標(biāo)物體所在的位置 和區(qū)域內(nèi)，將RGB顏色空間轉(zhuǎn)化到HSV顏色空間；②采用加權(quán)背景直方圖的方法，降低背景顏色對目標(biāo)跟蹤的影響；由于背景顏色大多 在矩形框的邊緣，假設(shè)矩形區(qū)域內(nèi)的每個(gè)點(diǎn)都被賦予一個(gè)權(quán)值，權(quán)值的大小取決于距離中 心點(diǎn)的遠(yuǎn)近，用高斯核函數(shù)來調(diào)節(jié)；加權(quán)背景直方圖的數(shù)學(xué)描述計(jì)算公式如公式(1)h O-x^ = CZ ^ll ^rii H2 ^tX)-"]' ,,(ι)UihU = 1,2........,m其中u為H分量中某個(gè)顏色級(jí)的索引，力H分量是u的顏色是目標(biāo)的概率，J是Delta函數(shù)，C是歸一化常數(shù)，使得Σ t = 1，Xi表示矩形區(qū)域內(nèi)的像素點(diǎn)，0表示目標(biāo)矩形區(qū)域中心點(diǎn)(0X，Oy) τ，h表示矩形框的半徑，b (Xi)表示目標(biāo)區(qū)域矩形框中的像素點(diǎn)對 應(yīng)H分量的顏色級(jí)索引；K(X)為核函數(shù)，選用一個(gè)在零點(diǎn)中間凸起的單調(diào)遞減輪廓函數(shù)作 為像素到目標(biāo)中心位置的權(quán)值，并對所述區(qū)域建立H分量背景加權(quán)直方圖；將此H分量背景 加權(quán)直方圖作為參考模型的參考表存儲(chǔ)起來。
3.根據(jù)權(quán)利要求1所述的復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，所述步驟(2) 中的建立自適應(yīng)背景顏色概率分布圖具體步驟是對每次搜索框的不同顏色特征重新計(jì)算 目標(biāo)顏色的概率；采用Bayes公式(2)來表示搜索框中的目標(biāo)顏色的概率密度…州 P(ClO) P(O)P(0\C)= 1 ；(2)其中P (OlC)為顏色為C的像素代表目標(biāo)0的概率；P (ClO)是跟蹤目標(biāo)0中顏色為C 的H分量的顏色概率；P(0)、P(C)分別表示目標(biāo)占整個(gè)搜索區(qū)域面積的先驗(yàn)概率和整個(gè)搜 索區(qū)域內(nèi)顏色為C的概率；上式中的分母可以表示為公式(3)
4. 根據(jù)權(quán)利要求1所述的復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，所述步驟 (3)中的利用Camshift跟蹤算法迭代求出質(zhì)心位置具體步驟是對自適應(yīng)背景的更新顏色 概率分布圖利用Camshift算法計(jì)算出搜索框的更新顏色概率分布圖的質(zhì)心位置；其構(gòu)造 質(zhì)心計(jì)算公式如(4) (6)式
5.根據(jù)權(quán)利要求1所述的復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法，其特征在于，所述步驟(4) 中采用貪心預(yù)測法對目標(biāo)做運(yùn)動(dòng)預(yù)測具體步驟如下利用貪心預(yù)測算法來做運(yùn)動(dòng)估計(jì)；由 于視頻處理的相鄰兩幀時(shí)間很短，目標(biāo)的運(yùn)動(dòng)狀態(tài)和速度變化較小，貪心預(yù)測算法是首先 假定運(yùn)動(dòng)目標(biāo)在相鄰兩幀做勻速運(yùn)動(dòng)預(yù)測目標(biāo)坐標(biāo)，再與通過目標(biāo)實(shí)際位置做參考計(jì)算誤 差并作為補(bǔ)償，作為下一幀預(yù)測的位置的修正；貪心預(yù)測算法的步驟如下①.選取相鄰三幀的目標(biāo)的實(shí)際坐標(biāo)(x-2，y_2)，(x+y-)，(χο，。，其中(Xo，y。)為當(dāng)前 幀，(χ+ 為前一幀，(x_2，y_2)為前兩幀；②.計(jì)算當(dāng)前幀與上一幀的差值ΔX=X0-X^1, Δ Y=Y0-Y^1 ；③.計(jì)算誤差補(bǔ)償P(χ) = (χ0-χ0')+ (χο+χ^^χ^), ρ (y) = (y0-y0') + ( 70+7^-27^)；其 中(X(l’，V)是當(dāng)前幀的預(yù)測坐標(biāo)；誤差由兩部分組成，前部分是做預(yù)測值和實(shí)際值的誤差 修正，后部分是作為勻變速運(yùn)動(dòng)在相鄰時(shí)間內(nèi)的相同的變化量的修正；④.預(yù)測下一幀圖像中的目標(biāo)位置的坐標(biāo)，并將此坐標(biāo)作為下一幀圖像的搜索框的質(zhì)^、^1-=X0+Δ χ+ρ (χ), yi'=y0+Ay+p (y)將坐標(biāo)點(diǎn)依次向前推進(jìn)一幀，循環(huán)上述步驟①至步驟④；這樣就可以簡單且相對準(zhǔn)確 地預(yù)測目標(biāo)所在的位置。
全文摘要
本發(fā)明涉及一種復(fù)雜場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法。本方法包括對初始指定的圖像區(qū)域采用H分量背景加權(quán)的方法統(tǒng)計(jì)直方圖；在跟蹤過程中對視頻流的每幀圖像利用貝葉斯公式建立自適應(yīng)背景的更新顏色概率分布圖，實(shí)時(shí)地更新搜索區(qū)域內(nèi)的目標(biāo)顏色概率，對適應(yīng)背景的更的顏色概率分布圖利用Camshift算法迭代出質(zhì)心位置；跟蹤過程中采用貪心預(yù)測法做運(yùn)動(dòng)預(yù)測，并不斷重復(fù)上述跟蹤步驟。本發(fā)明的方法能夠解決在復(fù)雜場景下運(yùn)動(dòng)目標(biāo)跟蹤不夠理想的問題，具有較好的準(zhǔn)確性和魯棒性。
文檔編號(hào)G06T7/20GK102110296SQ20111004378
公開日2011年6月29日 申請日期2011年2月24日 優(yōu)先權(quán)日2011年2月24日
發(fā)明者徐元玉, 李恒宇, 李超, 汪東, 繆金松, 謝少榮, 郭其明 申請人:上海大學(xué)