一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法
【專利摘要】本發(fā)明是一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，主要解決實(shí)時自適應(yīng)目標(biāo)大小變化問題。該方法包括以下步驟：(1)確定目標(biāo)模板；(2)混合直方圖特征提??；(3)初始化粒子點(diǎn)集：設(shè)定采樣的粒子數(shù)N和初始化粒子權(quán)值；(4)更新粒子點(diǎn)集的狀態(tài)；(5)觀測粒子點(diǎn)集；(6)目標(biāo)狀態(tài)估計；(7)跟蹤窗口調(diào)整；(8)重采樣。在粒子濾波跟蹤框架下，確定運(yùn)動目標(biāo)模板，建立運(yùn)動目標(biāo)的狀態(tài)轉(zhuǎn)移方程，初始化粒子集合目標(biāo)窗口，預(yù)測下一時刻的粒子集，計算似然函數(shù)的權(quán)值，計算大權(quán)值粒子到粒子集中心的平局距離，根據(jù)d線性調(diào)整窗口尺寸。實(shí)現(xiàn)跟蹤窗口自適應(yīng)調(diào)整，與同類方法相比，具有計算簡單，速度快，效果好的優(yōu)勢。
【專利說明】一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及視頻目標(biāo)跟蹤【技術(shù)領(lǐng)域】，具體是一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002]目標(biāo)跟蹤問題是機(jī)器視覺研究中的一個重要分支，是高級機(jī)器視覺研究的基礎(chǔ)，有著廣泛的應(yīng)用，如軍事制導(dǎo)、道路交通監(jiān)控，工業(yè)自動化生產(chǎn)監(jiān)控，客流量統(tǒng)計等。在人們提出的諸多跟蹤算法中，基于粒子濾波和Mean-Shift算法是研究的熱點(diǎn)。在這兩種算法中，目標(biāo)跟蹤窗口是由跟蹤目標(biāo)的初始大小決定的，在整個跟蹤過程中，跟蹤窗口的大小保持不變。然而，當(dāng)運(yùn)動目標(biāo)尺寸越來越小時，如果跟蹤窗口固定不變，則在跟蹤窗口內(nèi)包含目標(biāo)區(qū)域的同時混入了一些背景噪聲，最終導(dǎo)致運(yùn)動目標(biāo)跟蹤不準(zhǔn)確。當(dāng)運(yùn)動目標(biāo)尺寸越來越大時，大到超出跟蹤窗口的范圍，固定不變的窗口常常會導(dǎo)致運(yùn)動目標(biāo)的跟蹤失敗。
[0003]近幾年，針對基于Mean-Shift的跟蹤算法人們提出了一些改變核窗口大小的算法。文獻(xiàn)[見:Comaniciu D, Ramesh V, Meer P.Kernel-based object tracking[J].Pattern Analysis and Machine Intelligence, IEEE Transact1ns on, 2003, 25(5):564-577.]提出了一種±10%增量的核窗口修正方法。該方法需要分別計算當(dāng)前幀中原始核窗口以及±10%核窗口的Bhattacharyya系數(shù),選出最大的Bhattacharyya系數(shù)所對應(yīng)的窗口為最佳核窗寬。當(dāng)目標(biāo)尺寸變小時，該方法可以得到比較好的跟蹤效果，但當(dāng)目標(biāo)尺寸變大時，由于Bh attacharyya系數(shù)的相似性度量常常會在較小的核窗口內(nèi)達(dá)到局部最大，所以跟蹤窗口的尺寸很難擴(kuò)大，經(jīng)常是越來越小。
[0004]對目標(biāo)進(jìn)行跟蹤，選擇可靠的目標(biāo)特征，以及對目標(biāo)特征的描述特別重要，它直接影響到跟蹤算法的精度.圖像有很多種特征，例如圖像亮度、圖像顏色、圖像輪廓、梯度、頻率域等[見:張成.基于圖像序列的運(yùn)動目標(biāo)識別與跟蹤方法研究[D].天津:天津理工大學(xué)，2008]。由于圖像彩色信息占有內(nèi)存多，而且人眼對彩色信息敏感度不如人眼對圖像亮度的敏感度高，在很多領(lǐng)域人們都采集圖像的亮度信息即圖像的灰度信息。
[0005]本發(fā)明針對利用了灰度圖像的灰度直方圖和梯度直方圖，結(jié)合兩個特征加強(qiáng)算法的魯棒性，自適應(yīng)窗的引入，使算法能適應(yīng)目標(biāo)大小的變化，且不增加算法的復(fù)雜度，實(shí)驗(yàn)仿真證明該方法的優(yōu)越性。

【發(fā)明內(nèi)容】

[0006]本發(fā)明的目的是克服現(xiàn)有技術(shù)中的不足，提供一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，該方法針對利用了灰度圖像的灰度直方圖和梯度直方圖，結(jié)合兩個特征加強(qiáng)算法的魯棒性，自適應(yīng)窗的引入，使算法能適應(yīng)目標(biāo)大小的變化，且不增加算法的復(fù)雜度。
[0007]為實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是:
一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，包括下述步驟:
(I)確定得到目標(biāo)模板:初始化跟蹤目標(biāo)的位置(^^和跟蹤窗口的大小fkoxAj，本文中用矩形表示目標(biāo)模板，目標(biāo)狀態(tài)表示為
【權(quán)利要求】
1.一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，其特征在于，包括以下步驟: (1)確定目標(biāo)模板:初始化跟蹤目標(biāo)的位置(x0,y0)和跟蹤窗口的大小(h0x,h0y);用矩形表示目標(biāo)模板，目標(biāo)狀態(tài)表示為:X[x,x1,y,y1,hx,hy]其中，xq,yq分別表示目標(biāo)中心在圖像中x，y方向的速度； (2)混合直方圖特征提取:通過計算目標(biāo)區(qū)域目標(biāo)的灰度直方圖以及梯度直方圖，然后把兩種特征加權(quán)混合就可以計算出目標(biāo)的特征值； (3)初始化粒子點(diǎn)集:設(shè)定采樣的粒子數(shù)N和初始化粒子權(quán)值； (4)更新粒子點(diǎn)集的狀態(tài):根據(jù)狀態(tài)轉(zhuǎn)移方程預(yù)測k時刻粒子集{xik-wk}Ni-1； (5)觀測粒子點(diǎn)集:計算每個粒子的似然函數(shù)值，計算每個粒子的權(quán)值^，并歸一化權(quán)值ωik; (6)目標(biāo)狀態(tài)估計:用粒子加權(quán)平均近似目標(biāo)狀態(tài)Xk； (7)跟蹤窗口調(diào)整:計算粒子到粒子集中心的平均距離，跟蹤窗口的長和寬； (8)重采樣:計算有效粒子數(shù)，累計概率并復(fù)制粒子。
2.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，其特征在于:所述步驟⑵的具體計算過程為:灰度值作為灰度圖像最直觀的信息，用向量X=[x1,x2,...,xN]T表示圖像灰度直方圖，N為圖像灰度的區(qū)間數(shù)； 在圖像處理中利用離散點(diǎn)的差分形式來代替相關(guān)微分運(yùn)算:
3.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，其特征在于:所述步驟(3)具體為:根據(jù)目標(biāo)的初始窗口的大小和位置，利用高斯分布產(chǎn)生k-Ι時刻初始化粒子集
4.根據(jù)權(quán)利要求1所述的一種基于自適應(yīng)窗的灰度目標(biāo)跟蹤方法，其特征在于:所述步驟(7)具體為: 計算權(quán)值較大粒子到粒子集中心的平均距離； 計算跟蹤窗口的長和寬:
【文檔編號】G06T7/20GK104036526SQ201410289881
【公開日】2014年9月10日 申請日期:2014年6月26日 優(yōu)先權(quán)日:2014年6月26日
【發(fā)明者】蔡延光, 向周, 蔡顥 申請人:廣東工業(yè)大學(xué)