一種物體跟蹤方法
【專利摘要】一種物體跟蹤方法，包括：背景建模步驟：根據(jù)背景圖像建立所述背景圖像的GMM模型；前景建模步驟：根據(jù)多個(gè)角度及距離下拍攝的被跟蹤物體圖像，提取被跟蹤物體圖像中的特征點(diǎn)，并計(jì)算這些特征點(diǎn)的描述算子，以所述特征點(diǎn)的描述算子作為描述前景物體的初始特征，建立前景目標(biāo)物體特征向量集；跟蹤步驟：對(duì)初步確定的目標(biāo)物體區(qū)域進(jìn)行特征點(diǎn)檢測，并計(jì)算特征點(diǎn)描述算子，對(duì)計(jì)算所得的特征點(diǎn)描述算子與前景目標(biāo)物體特征向量集中的特征點(diǎn)描述算子進(jìn)行匹配，根據(jù)匹配成功的特征點(diǎn)確定被跟蹤物體所在的前景區(qū)域。本物體跟蹤方法的跟蹤性能好，實(shí)時(shí)性、魯棒性強(qiáng)。
【專利說明】一種物體跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理【技術(shù)領(lǐng)域】，特別是一種物體跟蹤方法。
【背景技術(shù)】
[0002]物體追蹤是計(jì)算機(jī)視覺研究的重要方向之一，在生物醫(yī)學(xué)、虛擬現(xiàn)實(shí)、機(jī)器人、安全監(jiān)控、等領(lǐng)域有著廣泛的應(yīng)用。目前國內(nèi)外學(xué)者在物體跟蹤方面已經(jīng)取得了很多的研究成功。應(yīng)用比較多的跟蹤方法有:幀差法、背景差分法、光流法、參數(shù)建模等方法。但是在實(shí)際應(yīng)用當(dāng)中，由于檢測環(huán)境的復(fù)雜性，現(xiàn)有的跟蹤算法還是有一定的局限性。其中使用高斯混合模型(GMM)背景建模的運(yùn)動(dòng)檢測方法作為經(jīng)典的跟蹤方法，在背景較為固定的場合應(yīng)用最多。但是，由于GMM跟蹤方法僅對(duì)背景進(jìn)行建模，沒有提取任何與前景有關(guān)的信息，當(dāng)相鄰幀之間出現(xiàn)較大的背景差異或者光照條件顯著改變時(shí)，基于GMM的跟蹤方法會(huì)出現(xiàn)較大誤差。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的主要目的在于克服現(xiàn)有技術(shù)的不足，提供一種跟蹤性能好，實(shí)時(shí)性、魯棒性強(qiáng)的物體跟蹤方法。
[0004]為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案:
[0005]一種物體跟蹤方法，包括以下步驟:
[0006]a.背景建模步驟:根據(jù)背景圖像建立所述背景圖像的GMM模型；
[0007]b.前景建模步驟:根據(jù)多個(gè)角度及距離下拍攝的被跟蹤物體圖像，提取被跟蹤物體圖像中的特征點(diǎn)，并計(jì)算這些特征點(diǎn)的描述算子，以所述特征點(diǎn)的描述算子作為描述前景物體的初始特征，建立前景目標(biāo)物體特征向量集；
[0008]c.跟示步驟:
[0009]對(duì)于當(dāng)前圖像幀，將圖像中的每個(gè)像素與已建立的GMM模型進(jìn)行匹配，初步確定目標(biāo)物體區(qū)域，對(duì)初步確定的目標(biāo)物體區(qū)域進(jìn)行特征點(diǎn)檢測，并計(jì)算特征點(diǎn)描述算子，對(duì)計(jì)算所得的特征點(diǎn)描述算子與前景目標(biāo)物體特征向量集中的特征點(diǎn)描述算子進(jìn)行匹配；
[0010]如果成功匹配的特征點(diǎn)個(gè)數(shù)不多于預(yù)定個(gè)數(shù)，整幅圖像判斷為背景；
[0011]如果匹配成功的特征點(diǎn)個(gè)數(shù)超過預(yù)定個(gè)數(shù)，則根據(jù)匹配成功的特征點(diǎn)確定被跟蹤物體所在的前景區(qū)域，其他區(qū)域?yàn)楸尘皡^(qū)域。
[0012]在進(jìn)一步的技術(shù)方案中，
[0013]所述前景建模步驟中，使用SURF算法提取被跟蹤物體圖像中的特征點(diǎn)并計(jì)算特征點(diǎn)的SURF描述算子；所述跟蹤步驟中，使用SURF算法對(duì)初步確定的目標(biāo)物體區(qū)域進(jìn)行特征點(diǎn)檢測并計(jì)算SURF描述算子。
[0014]還包括以下步驟:
[0015]d.背景模型更新步驟:使用所述跟蹤步驟確定的背景區(qū)域，對(duì)所述背景圖像的GMM模型進(jìn)行更新，用于針對(duì)后續(xù)圖像幀的所述跟蹤步驟。[0016]還包括以下步驟:
[0017]e.前景模型更新步驟:將所述跟蹤步驟確定的前景區(qū)域內(nèi)未匹配成功的特征點(diǎn)加入所述前景目標(biāo)物體特征向量集，用于針對(duì)后續(xù)圖像幀的所述跟蹤步驟。
[0018]所述背景建模步驟包括:
[0019]al.使用k-means算法對(duì)圖像像素在RGB空間進(jìn)行聚類；
[0020]a2.使用k-means聚類結(jié)果初始化EM算法，通過EM算法的多次迭代獲得背景圖像的GMM模型。
[0021]步驟al中，像素聚類的數(shù)目為3~5，
[0022]k-means算法使用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù):
【權(quán)利要求】
1.一種物體跟蹤方法，其特征在于，包括以下步驟: a.背景建模步驟:根據(jù)背景圖像建立所述背景圖像的GMM模型； b.前景建模步驟:根據(jù)多個(gè)角度及距離下拍攝的被跟蹤物體圖像，提取被跟蹤物體圖像中的特征點(diǎn)，并計(jì)算這些特征點(diǎn)的描述算子，以所述特征點(diǎn)的描述算子作為描述前景物體的初始特征，建立前景目標(biāo)物體特征向量集； c.跟蹤步驟: 對(duì)于當(dāng)前圖像幀，將圖像中的每個(gè)像素與已建立的GMM模型進(jìn)行匹配，初步確定目標(biāo)物體區(qū)域，對(duì)初步確定的目標(biāo)物體區(qū)域進(jìn)行特征點(diǎn)檢測，并計(jì)算特征點(diǎn)描述算子，對(duì)計(jì)算所得的特征點(diǎn)描述算子與前景目標(biāo)物體特征向量集中的特征點(diǎn)描述算子進(jìn)行匹配； 如果成功匹配的特征點(diǎn)個(gè)數(shù)不多于預(yù)定個(gè)數(shù)，整幅圖像判斷為背景； 如果匹配成功的特征點(diǎn)個(gè)數(shù)超過預(yù)定個(gè)數(shù)，則根據(jù)匹配成功的特征點(diǎn)確定被跟蹤物體所在的前景區(qū)域，其他區(qū)域?yàn)楸尘皡^(qū)域。
2.如權(quán)利要求1所述的物體跟蹤方法，其特征在于，所述前景建模步驟中，使用SURF算法提取被跟蹤物體圖像中的特征點(diǎn)并計(jì)算特征點(diǎn)的SURF描述算子；所述跟蹤步驟中，使用SURF算法對(duì)初步確定的目標(biāo)物體區(qū)域進(jìn)行特征點(diǎn)檢測并計(jì)算SURF描述算子。
3.如權(quán)利要求1所述的物體跟蹤方法，其特征在于，還包括以下步驟: d.背景模型更新步驟:使用所述跟蹤步驟確定的背景區(qū)域，對(duì)所述背景圖像的GMM模型進(jìn)行更新，用于針對(duì)后續(xù)圖像幀的所述跟蹤步驟。
4.如權(quán)利要求1所述的物體跟蹤方法，其特征在于，還包括以下步驟: e.前景模型更新步驟:將所述跟蹤步驟確定的前景區(qū)域內(nèi)未匹配成功的特征點(diǎn)加入所述前景目標(biāo)物體特征向量集，用于針對(duì)后續(xù)圖像幀的所述跟蹤步驟。
5.如權(quán)利要求1至4任一項(xiàng)所述的物體跟蹤方法，其特征在于，所述背景建模步驟包括: al.使用k-means算法對(duì)圖像像素在RGB空間進(jìn)行聚類； a2.使用k-means聚類結(jié)果初始化EM算法，通過EM算法的多次迭代獲得背景圖像的GMM模型。
6.如權(quán)利要求5所述的物體跟蹤方法，其特征在于， 步驟al中,像素聚類的數(shù)目為3~5, k-means算法使用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù):
7.如權(quán)利要求1至4任一項(xiàng)所述的物體跟蹤方法，其特征在于，所述跟蹤步驟中，如果匹配成功的特征點(diǎn)個(gè)數(shù)超過預(yù)定個(gè)數(shù)，則計(jì)算匹配成功的像素點(diǎn)所形成的凸包，并計(jì)算出凸包的最小外接矩形，將所述最小外接矩形內(nèi)的圖像區(qū)域確定為被跟蹤物體所在的前景區(qū)域，而所述最小外接矩形之外的區(qū)域?yàn)楸尘皡^(qū)域。
8.如權(quán)利要求1至4任一項(xiàng)所述的物體跟蹤方法，其特征在于，所述跟蹤步驟包括: Cl.圖像的每個(gè)像素與已建立的GMM模型進(jìn)行匹配，如果像素能夠匹配成功，則認(rèn)為該像素屬于背景圖像，如果不成功判斷該像素屬于前景圖像， 匹配過程中，為若某時(shí)刻像素值X滿足Ix-UkI <D*。，則認(rèn)為X與第k個(gè)高斯模型匹配，其中UkS GMM模型中第k個(gè)模型的均值，優(yōu)選地，置信參數(shù)D取值為1.5 ; c2.在判斷為前景圖像的區(qū)域進(jìn)行SURF特征點(diǎn)檢測，并計(jì)算特征點(diǎn)的描述算子； c3.對(duì)計(jì)算所得的描述算子與所述前景目標(biāo)物體特征向量集的特征點(diǎn)描述算子進(jìn)行匹配， 所述特征點(diǎn)匹配過程中，使用基于歐式距離的最近鄰搜索算法對(duì)前景目標(biāo)物體特征向量集的特征點(diǎn)進(jìn)行匹配，歐幾里得距離公式為:
9.如權(quán)利要求8所述的物體跟蹤方法，其特征在于，所述凸包采用卷包裹法，從一個(gè)在所述凸包上的點(diǎn)開始向著一個(gè)方向依次選擇最外側(cè)的點(diǎn)當(dāng)回到最初的點(diǎn)，所選出的點(diǎn)集即所要求的凸包。
10.如權(quán)利要求1至4任一項(xiàng)所述的物體跟蹤方法，其特征在于，所述背景模型更新步驟包括: 用跟蹤步驟確定的背景區(qū)域，使用下列公式對(duì)所述背景圖像的GMM模型進(jìn)行更新:
Wti = (1-a ) Wa^i+α
Uti = (1-α ) μ (t_m+a I (t)
Sti= (1-α ) Σ (t_m+a (I (t)-u(t_m)τ(I (t)-u(t_m) 其中Wti表示第t時(shí)刻的第i個(gè)高斯模型在混合模型中的權(quán)重，a表示學(xué)習(xí)率，ΣΗ表示第t時(shí)刻第i個(gè)高斯模型的的協(xié)方差，Uti表示第t時(shí)刻第i個(gè)高斯模型均值，I (t)表示圖像中的某個(gè)與第i個(gè)模型匹配的像素。
【文檔編號(hào)】G06T7/20GK103996207SQ201410176044
【公開日】2014年8月20日 申請(qǐng)日期:2014年4月28日 優(yōu)先權(quán)日:2014年4月28日
【發(fā)明者】王好謙, 張新, 邵航, 戴瓊海 申請(qǐng)人:清華大學(xué)深圳研究生院