基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法
【專利摘要】本發(fā)明公開了一種基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法。以多尺度矩形濾波器作為信號(hào)采樣矩陣，以稀疏隨機(jī)高斯矩陣作為壓縮感知矩陣，借助向量積分圖算法可快速提取樣本特征；向量積分圖步驟采用裁剪模版方法有效減少冗余計(jì)算。本發(fā)明利用旋轉(zhuǎn)不變模式ULBP算子提取特征，適用于黑夜、井下光照條件差，目標(biāo)可能發(fā)生旋轉(zhuǎn)、形變的目標(biāo)跟蹤，識(shí)別率高，為目標(biāo)跟蹤提供了可靠的結(jié)果。
【專利說明】基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法，屬于圖像模式識(shí) 別【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 計(jì)算機(jī)視覺目標(biāo)跟蹤領(lǐng)域普遍采用檢測式跟蹤架構(gòu)，該架構(gòu)通過生成少量的正負(fù) 樣本在線訓(xùn)練分類器，將跟蹤任務(wù)轉(zhuǎn)化為檢測任務(wù)。這是因?yàn)槟繕?biāo)檢測領(lǐng)域取得了重大進(jìn) 展，分類器技術(shù)也被大量研究并不斷取得進(jìn)步，有效保證了跟蹤的成功率。檢測任務(wù)需要 對(duì)采集到的樣本進(jìn)行特征提取，以反映樣本的特點(diǎn)，便能夠進(jìn)行樣本分類和判別，傳統(tǒng)的特 征提取方法需要依賴經(jīng)驗(yàn)進(jìn)行構(gòu)造，K. H. Zhang等提出一種基于壓縮感知的特征提取方法 (Compressive Tracking)，通過將廣義Haar特征與一系列多尺度濾波器卷積以保證特征 的多尺度性質(zhì)，再利用隨機(jī)稀疏高斯矩陣對(duì)特征進(jìn)行降維以保證跟蹤的實(shí)時(shí)效果。但廣義 Haar特征存在對(duì)光照亮度、目標(biāo)旋轉(zhuǎn)敏感的特性，本發(fā)明使用旋轉(zhuǎn)不變模式ULBP算子改進(jìn) 特征提取的流程，在保證實(shí)時(shí)性和穩(wěn)定性的基礎(chǔ)上，令目標(biāo)跟蹤算法能夠適應(yīng)低照度、目標(biāo) 旋轉(zhuǎn)、光照變化等各類容易引起目標(biāo)丟失的場景。


【發(fā)明內(nèi)容】

[0003] 為了克服現(xiàn)有跟蹤算法不能處理極端照度場景中目標(biāo)跟蹤的問題。本發(fā)明提出了 一種適合井下、夜間等特殊環(huán)境的基于紋理特征的目標(biāo)實(shí)時(shí)跟蹤方法，該方法利用旋轉(zhuǎn)不 變模式ULBP算子進(jìn)行紋理特征提取，使提取后的特征包含了豐富的樣本的紋理信息，利用 紋理信息對(duì)光照不敏感的特性，使跟蹤系統(tǒng)能夠在昏暗環(huán)境中達(dá)到較高跟蹤成功率。
[0004] 本發(fā)明公開了一種基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法，包括初始化階 段和目標(biāo)跟蹤階段，所述初始化階段包括以下步驟：
[0005] 1)在初始化時(shí)計(jì)算稀疏采樣矩陣Θ :
[0006] a)計(jì)算信號(hào)采樣矩陣Φ ;
[0007] b)計(jì)算稀疏感知矩陣Ψ ;
[0008] c)計(jì)算稀疏采樣矩陣Θ，其中Θ = Ψ · Φ ;
[0009] 2)創(chuàng)建一個(gè)由50個(gè)貝葉斯分類器級(jí)聯(lián)而成的二分類樸素貝葉斯分類器H(x)， 每一個(gè)弱分類器hjx。）都是基于表示正標(biāo)簽y = 0和負(fù)標(biāo)簽y = 1的兩個(gè)正態(tài)分布 Pixc

【權(quán)利要求】
1. 一種基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法，其特征在于，包括初始化階段 和目標(biāo)跟蹤階段，所述初始化階段包括以下步驟： 1) 在初始化時(shí)，計(jì)算稀疏采樣矩陣Θ: a) 計(jì)算信號(hào)采樣矩陣Φ; b) 計(jì)算稀疏感知矩陣Ψ; c) 計(jì)算稀疏采樣矩陣Θ，其中Θ=Ψ·Φ; 2) 創(chuàng)建一個(gè)由50個(gè)貝葉斯分類器級(jí)聯(lián)而成的二分類樸素貝葉斯分類器H(X)， 每一個(gè)弱分類器匕〇〇都是基于表示正標(biāo)簽y= 1和負(fù)標(biāo)簽y= 0的兩個(gè)正態(tài)分布 P(Xcly)^y/?^σ6 ，其中（μΜ，％,。）表示標(biāo)簽為y的第C維特征對(duì)應(yīng)的弱分類器 的正態(tài)判別曲線的參數(shù)值； 所述目標(biāo)跟蹤階段包括以下步驟： 1) 對(duì)視頻的第k幀進(jìn)行目標(biāo)探測 a) 以第k-Ι幀跟蹤到的目標(biāo)CV1為中心進(jìn)行候選樣本采集，在第k幀內(nèi)采集到nv個(gè)歐 氏距離滿足Zy =卩I0 <11z-OmIPSr；}的候選樣本； b) 計(jì)算包含全部候選樣本的最小矩形區(qū)域Uz(zezv)，對(duì)該矩形區(qū)域圖像片依次進(jìn)行 灰度化、旋轉(zhuǎn)不變模式ULBP編碼、向量積分，最終得到向量積分圖I; c) 以稀疏采樣矩陣〇中的非零元素的對(duì)角線為標(biāo)尺，用對(duì)角線減法從向量積分圖I中 提取每個(gè)候選樣本的壓縮編碼特征值z-x(zeZv); d) 將各個(gè)候選樣本的壓縮編碼特征值&輸入第k-1幀訓(xùn)練好的樸素貝葉斯分類器，對(duì) 每個(gè)候選樣本的特征進(jìn)行分類，并計(jì)算分類得分4 -1) = -D，分類得分最大 C=I 的&對(duì)應(yīng)的第r個(gè)樣本即是第k幀跟蹤到的目標(biāo)Ok ; 2) 第k幀的分類器更新 a) 以第k幀跟蹤到的目標(biāo)Ok為中心進(jìn)行正負(fù)樣本采集，在第k幀內(nèi)采集到Ii1個(gè)歐氏 距離滿足Z1 =Iz|0 <I|Z-〇k|I12Sr1I的正樣本，在第k幀內(nèi)采集到Iitl個(gè)歐氏距離滿足 z0 ={zIsllSr。+}的負(fù)樣本； b) 計(jì)算包含全部正負(fù)樣本的最小矩形區(qū)域Uz(zeZlUzQ)，對(duì)該矩形區(qū)域圖像片依次進(jìn) 行灰度化、旋轉(zhuǎn)不變模式ULBP編碼、向量積分，最終得到向量積分圖I; c) 以稀疏采樣矩陣〇中的非零元素的對(duì)角線為標(biāo)尺，用對(duì)角線減法從向量積分圖I中 提取每個(gè)正負(fù)樣本的壓縮編碼特征值z-x(zeZ1Uztl); d) 對(duì)分類器進(jìn)行更新 \σ'γ,α^ [(1 _ +^Xy,c+ ^(1 ~ c ~ EXy,cf f2 其中=丄分別是為正樣本（y=D和負(fù)樣 nyr=lγr~ 本（y= 〇)的均值和方差。
2. 根據(jù)權(quán)利要求1所述的一種基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法，其特征 在于，所述目標(biāo)跟蹤階段由灰度圖IgMy到均勻模式ULBP編碼圖Ikimp編碼方法為： 1)待處理像素點(diǎn)作為中心像素點(diǎn)，其灰度值gci與距離為R的P個(gè)像素點(diǎn)gierp的灰 度值的差值進(jìn)行二值化，并連接成一個(gè)P位的二進(jìn)制數(shù)，該二進(jìn)制數(shù)中〇?1或1?〇的跳 變次數(shù)U若不大于2,則以元素1的個(gè)數(shù)，作為該待處理像素點(diǎn)的均勻模式ULBP編碼，其中
3. 根據(jù)權(quán)利要求1所述的一種基于紋理特征的暗環(huán)境視頻目標(biāo)實(shí)時(shí)跟蹤方法，其特征 在于，所述目標(biāo)跟蹤階段由均勻模式ULBP編碼圖Ikimp到向量積分圖I的積分方法包括以 下步驟： 1) 直方圖統(tǒng)計(jì)，構(gòu)造對(duì)應(yīng)〇?8的9維直方圖統(tǒng)計(jì)各個(gè)編碼出現(xiàn)次數(shù)； 2) 縱向累加，其步驟為 a) 對(duì)H進(jìn)行按列展平，展平后得到一維列向量V。； b) 對(duì)V。進(jìn)行累加，得到的累加一維列向量滿足⑵=+# ; c) 對(duì)V2c進(jìn)行按列折斷，得到與H大小相等的圖像，計(jì)為Hi ; 3) 橫向累加，其步驟為 a) 對(duì)Hi進(jìn)行按行展平，展平后得到一維行向量Vk ; b) 對(duì)Vk進(jìn)行累加，得到的累加一維列向量滿足〇 ° ; c) 對(duì)νΣΚ進(jìn)行按列折斷，得到與H大小相等的圖像，計(jì)為Hii ; Hii即為處理后的圖像I，H內(nèi)任意子矩陣的統(tǒng)計(jì)直方圖均可由Hii進(jìn)行對(duì)角線減法求 得。
【文檔編號(hào)】G06K9/62GK104463192SQ201410610358
【公開日】2015年3月25日 申請(qǐng)日期:2014年11月4日 優(yōu)先權(quán)日:2014年11月4日
【發(fā)明者】孫繼平, 杜東璧 申請(qǐng)人:中國礦業(yè)大學(xué)(北京)