亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法與流程

文檔序號(hào):11865961閱讀:256來源:國(guó)知局
一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法與流程
本發(fā)明涉及圖像處理、視頻處理、目標(biāo)跟蹤等領(lǐng)域,尤其涉及基于視頻的目標(biāo)跟蹤領(lǐng)域。
背景技術(shù)
:在視頻目標(biāo)跟蹤技術(shù)中,遮擋問題是一個(gè)常見的難點(diǎn)。目標(biāo)在移動(dòng)過程中,可能會(huì)遇到各種遮擋:目標(biāo)因旋轉(zhuǎn)或因動(dòng)作引起的自我遮擋、移動(dòng)目標(biāo)遇到其他行人引起的相互遮擋、移動(dòng)目標(biāo)被周圍環(huán)境中的障礙物遮擋等。目標(biāo)遇到遮擋時(shí),使得目標(biāo)的特征信息的提取被干擾,造成目標(biāo)特征獲取不完整甚至完全獲取不到,最終引起目標(biāo)跟蹤不準(zhǔn)確,甚至目標(biāo)跟丟。粒子濾波是一種通過蒙特卡羅方法仿真和基于貝葉斯估計(jì)推導(dǎo)的算法,它利用狀態(tài)空間中一組帶有權(quán)重的隨機(jī)樣本(“粒子”)來表示狀態(tài)的后驗(yàn)概率密度函數(shù),然后利用貝葉斯估計(jì)方法來不斷地迭代更新導(dǎo)出新的隨機(jī)樣本以及新的權(quán)重,以此來得到下一時(shí)刻狀態(tài)的后驗(yàn)概率密度函數(shù)。粒子濾波方法可適用于非線性、非高斯系統(tǒng)下的目標(biāo)跟蹤問題。從原理上看,粒子濾波跟蹤算法既具有處理遮擋問題的潛力,又具有先天性的特征融合框架。傳統(tǒng)的粒子濾波跟蹤方法提取單一的顏色直方圖進(jìn)行目標(biāo)跟蹤,顏色直方圖是一種基于全局的特征,它沒有關(guān)注目標(biāo)的局部特征,所以在遇到遮擋后,全局顏色特征并不能很準(zhǔn)確地描述目標(biāo)。技術(shù)實(shí)現(xiàn)要素:為了克服當(dāng)前現(xiàn)有的視頻目標(biāo)跟蹤方法單一特征的局限性以及在發(fā)生遮擋時(shí)表現(xiàn)出的跟蹤效果不佳、甚至目標(biāo)跟丟的問題,本發(fā)明提出一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法,該方法將顏色特征與局部二值模式特征按照各自特征與背景的區(qū)分度,通過確定性系數(shù)進(jìn)行加性融合,能更有效地描述目標(biāo)特征,在跟蹤過程中,對(duì)遮擋情況進(jìn)行實(shí)時(shí)判定并針對(duì)不同的遮擋情況采取相應(yīng)的跟蹤機(jī)制,從而提高遮擋情況下目標(biāo)跟蹤的穩(wěn)定性和魯棒性。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法,包括以下步驟:步驟1,目標(biāo)的初始化;步驟2,感興趣區(qū)域的顏色積分直方圖和局部二值模式積分直方圖特征提??;步驟3,顏色特征和局部二值模式特征的特征確定性系數(shù)計(jì)算:計(jì)算每個(gè)粒子矩形框的顏色直方圖特征和局部二值模式直方圖特征,計(jì)算每個(gè)粒子背景區(qū)域的顏色直方圖特征和局部二值模式直方圖特征,計(jì)算每個(gè)粒子的顏色特征與其背景區(qū)域的顏色特征的似然比值并根據(jù)似然比值計(jì)算每個(gè)粒子的顏色特征與背景顏色特征的區(qū)分度,根據(jù)區(qū)分度計(jì)算每個(gè)粒子的顏色特征的特征確定性系數(shù),計(jì)算每個(gè)粒子的局部二值模式特征與其背景區(qū)域的局部二值模式特征的似然比值并根據(jù)似然比值計(jì)算每個(gè)粒子的局部二值模式特征與背景局部二值模式特征的區(qū)分度,根據(jù)區(qū)分度計(jì)算每個(gè)粒子的局部二值模式特征的特征確定性系數(shù);步驟4,根據(jù)當(dāng)前目標(biāo)狀態(tài)不同,選擇不同的跟蹤方法:如果目標(biāo)狀態(tài)正常,用顏色與局部二值模式特征融合的粒子濾波方法進(jìn)行目標(biāo)跟蹤,如果目標(biāo)狀態(tài)為部分遮擋,用顏色與局部二值模式特征融合的分塊粒子濾波方法進(jìn)行目標(biāo)跟蹤,如果目標(biāo)狀態(tài)為嚴(yán)重遮擋,用最小二乘法預(yù)測(cè)目標(biāo)位置;步驟5,更新當(dāng)前目標(biāo)狀態(tài);步驟6,當(dāng)目標(biāo)處于正常狀態(tài)時(shí),更新目標(biāo)的顏色特征模板、局部二值模式特征模板以及子塊的顏色特征模板、局部二值模式特征模板;步驟7,采用系統(tǒng)重采樣方法進(jìn)行粒子的重采樣;步驟8,粒子傳播:經(jīng)過重采樣的粒子,在x、y方向上分別擴(kuò)散得到新的對(duì)應(yīng)粒子,作為下一幀中粒子的初始分布。進(jìn)一步,所述步驟1中,目標(biāo)的初始化過程為:在第1幀中通過手動(dòng)框選出目標(biāo),記目標(biāo)跟蹤框的高為height,寬為width,目標(biāo)中心點(diǎn)坐標(biāo)為(x1,y1),提取目標(biāo)區(qū)域的顏色直方圖和局部二值模式特征并初始化目標(biāo)的顏色特征模板H=(h1,h2,…,hn)和局部二值模式特征模板G=(g1,g2,…,gn)(n=1,2,…,32),n是特征直方圖的區(qū)間個(gè)數(shù);將目標(biāo)的高等分成三份橫向子塊,從上到下分別記為子塊1、2、3,將目標(biāo)的寬等分成三份縱向子塊,從左到右分別記為子塊4、5、6,提取每個(gè)子塊的顏色直方圖和局部二值模式特征并初始化目標(biāo)的子塊顏色特征模板Hi=(h'1,h'2,…,h'n)和子塊局部二值模式特征模板Gi=(g'1,g'2,…,g'n)(i=1,2,…,6;n=1,2,…,32),初始化粒子數(shù)p,初始化各粒子的位置(p_xj,p_yj)(j=1,2,…,p),初始化目標(biāo)狀態(tài)標(biāo)志位Flag為0,初始化各子塊的狀態(tài)標(biāo)志位為0。更進(jìn)一步,所述步驟2中,感興趣區(qū)域的顏色積分直方圖和局部二值模式積分直方圖特征提取過程為:讀取第k幀圖像P,感興趣區(qū)域指能覆蓋所有粒子背景區(qū)域的最小矩形區(qū)域,粒子的背景區(qū)域是以粒子位置為中心點(diǎn),寬為高為的矩形區(qū)域減去目標(biāo)矩形區(qū)域后的“回”字形區(qū)域,其中,height為目標(biāo)跟蹤框的高,width為目標(biāo)跟蹤框的寬,感興趣區(qū)域的四個(gè)頂點(diǎn)A、B、C、D的坐標(biāo)分別為:(xA,yA)=(min(p_x)-22height,min(p_y)-22width),]]>(xB,yB)=(min(p_x)-22height,max(p_y)+22width),]]>(xC,yC)=(max(p_x)+22height,min(p_y)-22width),]]>(xD,yD)=(max(p_x)+22height,max(p_y)+22width),]]>其中,(p_x,p_y)是粒子的坐標(biāo),min()是求最小值函數(shù),max()是求最大值函數(shù),計(jì)算感興趣矩形區(qū)域ABCD上顏色特征的積分直方圖Hin(x,y),即計(jì)算從圖像點(diǎn)P(xA,yA)到點(diǎn)P(x,y)構(gòu)成的矩形區(qū)域內(nèi)所有點(diǎn)的顏色直方圖;計(jì)算感興趣矩形區(qū)域ABCD上局部二值模式特征的積分直方圖Gin(x,y),即計(jì)算從圖像點(diǎn)P(xA,yA)到點(diǎn)P(x,y)構(gòu)成的矩形區(qū)域內(nèi)所有點(diǎn)的局部二值模式直方圖。更進(jìn)一步,所述步驟3中,顏色特征和局部二值模式特征的特征確定性系數(shù)的計(jì)算過程為:利用積分直方圖對(duì)p個(gè)粒子分別提取以每個(gè)粒子j(j=1,2,…,p)為中心的寬為width,高為height的矩形框內(nèi)的顏色直方圖特征HPj=(hp1,hp2,…,hpn)和局部二值模式直方圖特征GPj=(gp1,gp2,…,gpn)(n=1,2,…,32),其中粒子j矩形框的四個(gè)頂點(diǎn)A'、B'、C'、D'坐標(biāo)分別為:(xA′,yA′)=(p_xj+12height,p_yj+12width),]]>(xB′,yB′)=(p_xj-12height,p_yj+12width),]]>(xC′,yC′)=(p_xj+12height,p_yj-12widk),]]>(xD′,yD′)=(p_xj-12height,p_yj-12width),]]>其中,(p_xj,p_yj)(j=1,2,…,p)是粒子j的坐標(biāo),則粒子j矩形框的顏色直方圖特征HPj和局部二值模式直方圖特征GPj分別為:HPj=Hin(xA',yA')-Hin(xC',yC'-1)-Hin(xB'-1,yB')+Hin(xD'-1,yD'-1),GPj=Gin(xA',yA')-Gin(xC',yC'-1)-Gin(xB'-1,yB')+Gin(xD'-1,yD'-1),其中,Hin(x,y)是感興趣矩形區(qū)域上顏色特征的積分直方圖,Gin(x,y)是感興趣矩形區(qū)域上局部二值模式特征的積分直方圖;利用積分直方圖提取粒子j的背景區(qū)域的顏色直方圖特征BG_HPj=(bh1,bh2,…,bhn)和局部二值模式直方圖特征BG_GPj=(bg1,bg2,…,bgn)(n=1,2,…,32),粒子的背景區(qū)域是以粒子位置為中心點(diǎn),寬為高為的矩形區(qū)域減去目標(biāo)矩形區(qū)域后的“回”字形區(qū)域,粒子背景區(qū)域的四個(gè)外頂點(diǎn)E'、F'、G'、H'坐標(biāo)分別為:(xE′,yE′)=(p_xj+22height,p_yj+22width),]]>(xF′,yF′)=(p_xj-22height,p_yj+22width),]]>(xG′,yG′)=(p_xj+22height,p_yj-22width),]]>(xH′,yH′)=(p_xj-22height,p_yj-22width),]]>則粒子j背景區(qū)域的顏色直方圖特征BG_HPj和局部二值模式直方圖特征BG_GPj分別為:BG_HPj=Hin(xE',yE')-Hin(xG',yG'-1)-Hin(xF'-1,yF')+Hin(xH'-1,yH'-1)-HPj,BG_GPj=Gin(xE',yE')-Gin(xG',yG'-1)-Gin(xF'-1,yF')+Gin(xH'-1,yH'-1)-GPj,計(jì)算粒子j的顏色特征與其背景區(qū)域的顏色特征的似然比值其中ε=0.001,設(shè)T0為特征的區(qū)分度閾值,則粒子j的顏色特征與背景顏色特征的區(qū)分度為粒子j的顏色特征的特征確定性系數(shù)為計(jì)算粒子j的局部二值模式特征與其背景區(qū)域的局部二值模式特征的似然比值其中ε=0.001,粒子j的局部二值模式特征與背景局部二值模式特征的區(qū)分度為粒子j的局部二值模式特征的特征確定性系數(shù)為再進(jìn)一步,所述步驟4中,目標(biāo)狀態(tài)正常下的顏色與局部二值模式特征融合的粒子濾波目標(biāo)跟蹤過程為:對(duì)p個(gè)粒子分別計(jì)算粒子j(j=1,2,…,p)的顏色特征HPj=(hp1,hp2,…,hpn)與目標(biāo)顏色特征模板H=(h1,h2,…,hn)(n=1,2,…,32)的巴氏系數(shù)巴氏距離為計(jì)算粒子j的顏色特征權(quán)重其中σ=0.05,對(duì)各粒子的顏色特征權(quán)重進(jìn)行歸一化處理對(duì)p個(gè)粒子分別計(jì)算粒子j的局部二值模式特征GPj=(gp1,gp2,…,gpn)與目標(biāo)局部二值模式特征模板G=(g1,g2,…,gn)的巴氏系數(shù)巴氏距離為計(jì)算粒子j的局部二值模式特征權(quán)重其中σ=0.05,對(duì)各粒子的局部二值模式特征權(quán)重進(jìn)行歸一化處理從上一個(gè)步驟中可計(jì)算得到粒子j的顏色特征的特征確定性系數(shù)為β_Cj,局部二值模式特征的特征確定性系數(shù)為β_Lj,計(jì)算各粒子顏色和局部二值模式特征融合后的權(quán)重為(若特征確定性系數(shù)β_Cj=β_Lj=0,則令β_Cj=β_Lj=0.5),對(duì)各粒子權(quán)重進(jìn)行歸一化處理將各粒子坐標(biāo)按其權(quán)重加權(quán)得到當(dāng)前幀(第k幀)目標(biāo)的中心點(diǎn)坐標(biāo)或者是:所述步驟4中,目標(biāo)被部分遮擋時(shí)的顏色與局部二值模式特征融合的粒子濾波目標(biāo)跟蹤過程為:根據(jù)上一幀圖像中目標(biāo)出現(xiàn)遮擋情況而檢測(cè)出的子塊狀態(tài)標(biāo)志位對(duì)p個(gè)粒子分別計(jì)算粒子j(j=1,2,…,p)中時(shí)即有效子塊的顏色直方圖特征HPj_i和局部二值模式直方圖特征GPj_i;將粒子j的各有效子塊的顏色特征與對(duì)應(yīng)的子塊顏色特征模板Hi進(jìn)行對(duì)比,計(jì)算各有效子塊i的巴氏系數(shù)取有效子塊相似度的均值作為對(duì)應(yīng)粒子j整體部分的相似度,記有效子塊個(gè)數(shù)為M,則粒子j的巴氏系數(shù)為巴氏距離為計(jì)算各粒子的顏色特征權(quán)重對(duì)各粒子的顏色特征權(quán)重進(jìn)行歸一化處理再將粒子j的各有效子塊的局部二值模式特征與對(duì)應(yīng)的子塊局部二值模式特征模板Gi進(jìn)行對(duì)比,計(jì)算各有效子塊i的巴氏系數(shù)取有效子塊相似度的均值作為對(duì)應(yīng)粒子j整體部分的相似度,記有效子塊個(gè)數(shù)為M,則粒子j的巴氏系數(shù)為巴氏距離為計(jì)算各粒子的局部二值模式特征權(quán)重對(duì)各粒子的局部二值模式特征權(quán)重進(jìn)行歸一化處理從上一個(gè)步驟中可計(jì)算得到粒子j的顏色特征的特征確定性系數(shù)為β_Cj,局部二值模式特征的特征確定性系數(shù)為β_Lj,計(jì)算各粒子顏色和局部二值模式特征融合后的權(quán)重為(若特征確定性系數(shù)β_Cj=β_Lj=0,則令β_Cj=β_Lj=0.5),對(duì)各粒子權(quán)重進(jìn)行歸一化處理將各粒子坐標(biāo)按其權(quán)重加權(quán)得到當(dāng)前幀(第k幀)目標(biāo)的中心點(diǎn)坐標(biāo)又或者是:所述步驟4中,目標(biāo)被嚴(yán)重遮擋時(shí)的最小二乘法目標(biāo)位置預(yù)測(cè)過程為:根據(jù)前面所有幀的目標(biāo)中心點(diǎn)坐標(biāo)(xt,yt)(t=1,2,…,k-1),建立如下方程:xt=a1t+b1yt=a2t+b2]]>通過解這個(gè)方程計(jì)算出各系數(shù)a1,a2,b1,b2,根據(jù)公式xk=a1k+b1,yk=a2k+b2計(jì)算得到第k幀中目標(biāo)的中心點(diǎn)坐標(biāo)(xk,yk)。再進(jìn)一步,所述步驟5中,目標(biāo)狀態(tài)的更新過程為:從前面步驟中可計(jì)算得到當(dāng)前幀(第k幀)目標(biāo)的中心點(diǎn)坐標(biāo)(xk,yk),計(jì)算當(dāng)前幀中目標(biāo)顏色直方圖特征Hacc=(h1′,h2′,……,hn′)(n=1,2,…,32),記當(dāng)前幀目標(biāo)顏色特征與顏色特征模板H=(h1,h2,…,hn)(n=1,2,…,32)的相似度為設(shè)目標(biāo)的整體相似度閾值為T1,當(dāng)B大于等于閾值T1時(shí),說明目標(biāo)在當(dāng)前幀中是正常狀態(tài),如果此時(shí)目標(biāo)狀態(tài)標(biāo)志位Flag等于0,則保持不變,否則更新當(dāng)前目標(biāo)狀態(tài)標(biāo)志位為0,即表明此時(shí)目標(biāo)已經(jīng)脫離了遮擋;當(dāng)B小于閾值T1時(shí),說明目標(biāo)在當(dāng)前幀中被遮擋,提取目標(biāo)坐標(biāo)(xk,yk)區(qū)域上各子塊i(i=1,2,…,6)的顏色直方圖特征記作Hacc_i,計(jì)算各子塊顏色特征與對(duì)應(yīng)子塊顏色特征模板Hi的相似度設(shè)子塊的顏色特征相似度閾值為T2,則:FlagBi=0,Bi<T21,Bi≥T2]]>即當(dāng)Bi小于T2,該子塊i為無效子塊,記子塊狀態(tài)標(biāo)志位為0;當(dāng)Bi大于等于T2,該子塊i為有效子塊,記子塊狀態(tài)標(biāo)志位為1,統(tǒng)計(jì)有效子塊的數(shù)目M,根據(jù)有效子塊數(shù)目來判定目標(biāo)的遮擋嚴(yán)重程度:Flag=1,M>22,M≤2]]>即當(dāng)有效子塊的數(shù)目M大于2時(shí),說明目標(biāo)在當(dāng)前幀中被部分遮擋,更新目標(biāo)狀態(tài)標(biāo)志位Flag為1,當(dāng)有效子塊的數(shù)目M小于等于2時(shí),說明目標(biāo)在當(dāng)前幀中被嚴(yán)重遮擋,更新目標(biāo)狀態(tài)標(biāo)志位Flag為2。所述步驟6中,模板更新方法為:記目標(biāo)顏色特征模板為H,當(dāng)前幀的目標(biāo)新坐標(biāo)區(qū)域顏色直方圖特征為Hacc,則模板更新公式為:H=αH+(1-α)Hacc,其中,0.80≤α≤0.99,α具體數(shù)值根據(jù)視頻情況設(shè)定;目標(biāo)的局部二值模式特征模板、子塊的顏色特征模板、子塊的局部二值模式特征模板更新方法與上述目標(biāo)顏色特征模板更新方法類同。本發(fā)明的有益效果主要表現(xiàn)在:提取目標(biāo)的顏色特征和局部二值模式特征,并將顏色特征與局部二值模式特征通過確定性系數(shù)進(jìn)行加性融合,能更有效地描述目標(biāo)特征,對(duì)遮擋進(jìn)行實(shí)時(shí)判定并根據(jù)不同遮擋情況采取不同的跟蹤機(jī)制,可提高遮擋情況下目標(biāo)跟蹤的穩(wěn)定性和魯棒性。附圖說明圖1為本發(fā)明的一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法流程圖。圖2為分塊方法示意圖。圖3為粒子目標(biāo)區(qū)域和背景區(qū)域示意圖。圖4為感興趣區(qū)域示意圖。圖5為嚴(yán)重遮擋示意圖。圖6為測(cè)試視頻的目標(biāo)跟蹤效果,其中,(a)為傳統(tǒng)粒子濾波目標(biāo)跟蹤方法跟蹤結(jié)果((a)-1是第15幀,(a)-2是第28幀,(a)-3是第45幀,(a)-4是第63幀,(a)-5是第92幀,(a)-6是第102幀,(a)-7是第113幀,(a)-8是第142幀);(b)為本發(fā)明提出的一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法跟蹤結(jié)果((b)-1是第15幀,(b)-2是第28幀,(b)-3是第45幀,(b)-4是第63幀,(b)-5是第92幀,(b)-6是第102幀,(b)-7是第113幀,(b)-8是第142幀)。具體實(shí)施方式下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。參照?qǐng)D1~圖6,一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法,包括以下步驟:步驟1,目標(biāo)的初始化;步驟2,感興趣區(qū)域的顏色積分直方圖和局部二值模式積分直方圖特征提??;步驟3,顏色特征和局部二值模式特征的特征確定性系數(shù)計(jì)算:計(jì)算每個(gè)粒子矩形框的顏色直方圖特征和局部二值模式直方圖特征,計(jì)算每個(gè)粒子背景區(qū)域的顏色直方圖特征和局部二值模式直方圖特征,計(jì)算每個(gè)粒子的顏色特征與其背景區(qū)域的顏色特征的似然比值并根據(jù)似然比值計(jì)算每個(gè)粒子的顏色特征與背景顏色特征的區(qū)分度,根據(jù)區(qū)分度計(jì)算每個(gè)粒子的顏色特征的特征確定性系數(shù),計(jì)算每個(gè)粒子的局部二值模式特征與其背景區(qū)域的局部二值模式特征的似然比值并根據(jù)似然比值計(jì)算每個(gè)粒子的局部二值模式特征與背景局部二值模式特征的區(qū)分度,根據(jù)區(qū)分度計(jì)算每個(gè)粒子的局部二值模式特征的特征確定性系數(shù);步驟4,根據(jù)當(dāng)前目標(biāo)狀態(tài)不同,選擇不同的跟蹤方法:如果目標(biāo)狀態(tài)正常,用顏色與局部二值模式特征融合的粒子濾波方法進(jìn)行目標(biāo)跟蹤,如果目標(biāo)狀態(tài)為部分遮擋,用顏色與局部二值模式特征融合的分塊粒子濾波方法進(jìn)行目標(biāo)跟蹤,如果目標(biāo)狀態(tài)為嚴(yán)重遮擋,用最小二乘法預(yù)測(cè)目標(biāo)位置;步驟5,更新當(dāng)前目標(biāo)狀態(tài);步驟6,當(dāng)目標(biāo)處于正常狀態(tài)時(shí),更新目標(biāo)的顏色特征模板、局部二值模式特征模板以及子塊的顏色特征模板、局部二值模式特征模板;步驟7,采用系統(tǒng)重采樣方法進(jìn)行粒子的重采樣;步驟8,粒子傳播:經(jīng)過重采樣的粒子,在x、y方向上分別擴(kuò)散得到新的對(duì)應(yīng)粒子,作為下一幀中粒子的初始分布。本實(shí)施例采用CAVIAR視頻庫的一段視頻進(jìn)行測(cè)試,該視頻為MPEG2壓縮的MPG格式文件,分辨率是384×288像素,幀速為每秒25幀,設(shè)粒子數(shù)為300,閾值T0=0.7,T1=0.8,T2=0.9,α=0.9。具體的實(shí)施流程包括8個(gè)步驟,如圖1所示,具體為:(1)目標(biāo)初始化在第1幀中通過手動(dòng)框選出目標(biāo),記目標(biāo)跟蹤框的高為height,寬為width,目標(biāo)中心點(diǎn)坐標(biāo)為(x1,y1),提取目標(biāo)區(qū)域的顏色直方圖特征和局部二值模式直方圖特征,初始化目標(biāo)的顏色特征模板H=(h1,h2,…,hn)和局部二值模式特征模板G=(g1,g2,…,gn)(n=1,2,…,32),n是特征直方圖的區(qū)間個(gè)數(shù)。如圖2所示,將目標(biāo)的高等分成三份橫向子塊,從上到下分別記為子塊1、2、3,將目標(biāo)的寬等分成三份縱向子塊,從左到右分別記為子塊4、5、6,提取每個(gè)子塊的顏色直方圖和局部二值模式直方圖特征,初始化目標(biāo)的子塊顏色特征模板Hi=(h'1,h'2,…,h'n)和子塊局部二值模式特征模板Gi=(g'1,g'2,…,g'n)(i=1,2,…,6;n=1,2,…,32),初始化粒子數(shù)p,初始化各粒子的位置(p_xj,p_yj)(j=1,2,…,p),初始化目標(biāo)狀態(tài)標(biāo)志位Flag為0,初始化各子塊的狀態(tài)標(biāo)志位為0。(2)感興趣區(qū)域的顏色積分直方圖和局部二值模式積分直方圖特征提取讀取第k幀圖像P,感興趣區(qū)域指能覆蓋所有粒子背景區(qū)域的最小矩形區(qū)域,如圖3表示的是原始圖像與粒子背景區(qū)域位置,圖中矩形A'B'C'D'就是以粒子為中心的寬為width,高為height的目標(biāo)區(qū)域,矩形E'F'G'H'就是以粒子為中心的寬為高為的區(qū)域,矩形A'B'C'D'和矩形E'F'G'H'構(gòu)成的“回”字形區(qū)域?yàn)榱W拥谋尘皡^(qū)域,目標(biāo)區(qū)域和背景區(qū)域覆蓋面積相同,即包含的總像素點(diǎn)的個(gè)數(shù)是相同的。如圖4表示的是原始圖像與感興趣區(qū)域的位置,圖中矩形ABCD(即斜線底紋部分)即感興趣區(qū)域,其四個(gè)頂點(diǎn)A、B、C、D的坐標(biāo)分別為:(xA,yA)=(min(p_x)-22height,min(p_y)-22width),]]>(xB,yB)=(min(p_x)-22height,max(p_y)+22width),]]>(xC,yC)=(max(p_x)+22height,min(p_y)-22width),]]>(xD,yD)=(max(p_x)+22height,max(p_y)+22width),]]>其中,min()是求最小值函數(shù),max()是求最大值函數(shù)。在積分直方圖中,每個(gè)像素點(diǎn)的值代表的是從圖像的左上角的原點(diǎn)到這個(gè)像素點(diǎn)所構(gòu)成的矩形區(qū)域內(nèi)所有點(diǎn)的顏色直方圖。計(jì)算感興趣矩形區(qū)域ABCD上顏色特征的積分直方圖Hin(x,y),即計(jì)算從圖像點(diǎn)P(xA,yA)到點(diǎn)P(x,y)構(gòu)成的矩形區(qū)域內(nèi)所有點(diǎn)的顏色直方圖;計(jì)算感興趣矩形區(qū)域ABCD上局部二值模式特征的積分直方圖Gin(x,y),即計(jì)算從圖像點(diǎn)P(xA,yA)到點(diǎn)P(x,y)構(gòu)成的矩形區(qū)域內(nèi)所有點(diǎn)的局部二值模式直方圖。(3)特征確定性系數(shù)計(jì)算對(duì)于不同的跟蹤環(huán)境來說,特征對(duì)其目標(biāo)的描述能力的強(qiáng)弱也不一樣。在計(jì)算目標(biāo)區(qū)域的特征時(shí),應(yīng)當(dāng)考慮到目標(biāo)的整體與背景的區(qū)分程度,當(dāng)目標(biāo)特征與背景差距比較大時(shí),說明該特征能較好地描述目標(biāo)。本發(fā)明通過用log似然比來比較目標(biāo)與背景的區(qū)分程度,從而計(jì)算出特征的確定性系數(shù),用確定性系數(shù)來修正不同特征表述下的粒子權(quán)值,得到一個(gè)更加準(zhǔn)確的粒子權(quán)值。利用感興趣區(qū)域的顏色特征的積分直方圖Hin(x,y)和局部二值模式特征的積分直方圖Gin(x,y),可快速計(jì)算得到當(dāng)前第k幀中以每個(gè)粒子j為中心的寬為width,高為height的區(qū)域內(nèi)的顏色直方圖特征HPj=(hp1,hp2,…,hpn)和局部二值模式直方圖特征GPj=(gp1,gp2,…,gpn)(n=1,2,…,32)。如圖3所示,粒子j的目標(biāo)區(qū)域?yàn)榫匦蜛'B'C'D',其四個(gè)頂點(diǎn)A'、B'、C'、D'的坐標(biāo)分別為:(xA′,yA′)=(p_xj+12height,p_yj+12width),]]>(xB′,yB′)=(p_xj-12height,p_yj+12width),]]>(xC′,yC′)=(p_xj+12height,p_yj-12width),]]>(xD′,yD′)=(p_xj-12height,p_yj-12width),]]>則利用積分直方圖可計(jì)算粒子j矩形框的顏色直方圖特征HPj和局部二值模式直方圖特征GPj分別為:HPj=Hin(xA',yA')-Hin(xC',yC'-1)-Hin(xB'-1,yB')+Hin(xD'-1,yD'-1)(1)GPj=Gin(xA',yA')-Gin(xC',yC'-1)-Gin(xB'-1,yB')+Gin(xD'-1,yD'-1)(2)矩形A'B'C'D'和矩形E'F'G'H'構(gòu)成的“回”字形區(qū)域?yàn)榱W觠的背景區(qū)域,背景區(qū)域的四個(gè)外頂點(diǎn)E'、F'、G'、H'的坐標(biāo)分別為:(xE′,yE′)=(p_xj+22height,p_yj+22width),]]>(xF′,yF′)=(p_xj-22height,p_yj+22width),]]>(xG′,yG′)=(p_xj+22height,p_yj-22width),]]>(xH′,yH′)=(p_xj-22height,p_yj-22width),]]>則利用積分直方圖提取粒子j背景區(qū)域的顏色直方圖BG_HPj和局部二值模式直方圖BG_GPj分別為:BG_HPj=Hin(xE',yE')-Hin(xG',yG'-1)-Hin(xF'-1,yF')+Hin(xH'-1,yH'-1)-HPj(3)BG_GPj=Gin(xE',yE')-Gin(xG',yG'-1)-Gin(xF'-1,yF')+Gin(xH'-1,yH'-1)-GPj(4)通過計(jì)算log似然比函數(shù),可以較快速地比較目標(biāo)特征直方圖和背景特征直方圖,挑選出區(qū)分度較明顯的特征分量。計(jì)算粒子j的顏色特征與其背景區(qū)域的顏色特征的似然比值:LR_Cj(n)=|logmax{HPj(n),ϵ}max{BG_HPj(n),ϵ}|---(5)]]>其中,ε=0.001,保證分子分母都不能為零。設(shè)T0為特征的區(qū)分度閾值,則粒子j的顏色特征與背景顏色特征的區(qū)分度為:γ_cj(n)=1,LR_Cj(n)≥T00,LR_Cj(n)<T0---(6)]]>本發(fā)明中目標(biāo)特征的確定性系數(shù)是指目標(biāo)特征中與背景特征差距較大的特征占整個(gè)目標(biāo)總特征的比例,則顏色特征的特征確定性系數(shù)為:β_Cj=Σq=1nγ_cj(q)HPj(q)Σq=1nHPj(q)---(7)]]>計(jì)算粒子j的局部二值模式特征與其背景區(qū)域的局部二值模式特征的似然比值:LR_Lj(n)=|logmax{GPj(n),ϵ}max{BG_GPj(n),ϵ}|---(8)]]>則粒子j的局部二值模式特征與背景局部二值模式特征的區(qū)分度:γ_lj(n)=1,LR_Lj(n)≥T00,LR_Lj(n)<T0---(9)]]>其局部二值模式特征的特征確定性系數(shù)為:β_Lj=Σq=1nγ_lj(q)GPj(q)Σq=1nGPj(q)---(10)]]>(4)跟蹤策略的選擇根據(jù)目標(biāo)狀態(tài)的不同,選擇不同的跟蹤策略來達(dá)到抗遮擋且穩(wěn)定跟蹤的目的。如果目標(biāo)狀態(tài)標(biāo)志位Flag為0,表示目標(biāo)狀態(tài)正常,用顏色與局部二值模式特征融合的粒子濾波方法進(jìn)行目標(biāo)跟蹤;如果目標(biāo)狀態(tài)標(biāo)志位Flag為1,表示目標(biāo)狀態(tài)為部分遮擋,用顏色與局部二值模式特征融合的分塊粒子濾波方法進(jìn)行目標(biāo)跟蹤;如果目標(biāo)狀態(tài)標(biāo)志位Flag為2,表示目標(biāo)狀態(tài)為嚴(yán)重遮擋,用最小二乘法預(yù)測(cè)目標(biāo)位置。目標(biāo)狀態(tài)正常下的顏色與局部二值模式特征融合的粒子濾波目標(biāo)跟蹤過程為:根據(jù)上一步驟中計(jì)算得到的粒子j矩形框的顏色直方圖特征HPj和局部二值模式直方圖特征GPj,用巴氏系數(shù)作為當(dāng)前粒子框特征與目標(biāo)模板相似性對(duì)比的參照系數(shù),當(dāng)巴氏系數(shù)的數(shù)值越大,巴氏距離的數(shù)值就越小,說明兩個(gè)樣本的相似程度越高,反之,說明兩個(gè)樣本之間的相似程度越低。粒子j的顏色特征HPj與目標(biāo)顏色特征模板H的巴氏系數(shù)BCj計(jì)算公式為:BCj=Σq=1nHPj(q)H(q)---(11)]]>巴氏距離為粒子j的顏色特征權(quán)重w1(j)計(jì)算公式為:w1(j)=12πσexp(-dCj22σ2)---(12)]]>其中,σ=0.05,再對(duì)各粒子顏色特征權(quán)重進(jìn)行歸一化處理:w1(j)=w1(j)Σq=1pw1(q)---(13)]]>粒子j的局部二值模式特征GPj與目標(biāo)局部二值模式特征模板G的巴氏系數(shù)BLj計(jì)算公式為:BLj=Σq=1nGPj(q)G(q)---(14)]]>巴氏距離為粒子j的局部二值模式特征權(quán)重w2(j)計(jì)算公式為:w2(j)=12πσexp(-dLj22σ2)---(15)]]>再對(duì)各粒子局部二值模式特征權(quán)重進(jìn)行歸一化處理:w2(j)=w2(j)Σq=1pw2(q)---(16)]]>根據(jù)上一步驟中計(jì)算得到的特征確定性系數(shù)把顏色和局部二值模式特征進(jìn)行加性融合來計(jì)算各粒子的權(quán)重:w(j)=β_Cjβ_Cj+β_Ljw1(j)+β_Ljβ_Cj+β_Ljw2(j)---(17)]]>其中,為了保證公式(17)的有效性,若特征確定性系數(shù)β_Cj和β_Lj同時(shí)為0時(shí)令β_Cj=β_Lj=0.5。對(duì)各粒子權(quán)重進(jìn)行歸一化處理把所有粒子的坐標(biāo)按其權(quán)重加權(quán)得到當(dāng)前幀目標(biāo)的中心點(diǎn)坐標(biāo)當(dāng)出現(xiàn)遮擋時(shí),對(duì)目標(biāo)進(jìn)行分塊跟蹤。被遮擋的子塊特征將不能完整提取,此時(shí)需要對(duì)未被遮擋的子塊進(jìn)行特征提取,以達(dá)到持續(xù)跟蹤的目的。目標(biāo)被部分遮擋時(shí)的顏色與局部二值模式特征融合的粒子濾波目標(biāo)跟蹤過程為:根據(jù)上一幀圖像中目標(biāo)出現(xiàn)遮擋情況而檢測(cè)出的子塊狀態(tài)標(biāo)志位提取粒子j中時(shí)即有效子塊的顏色直方圖特征HPj_i和局部二值模式直方圖特征GPj_i。將粒子j矩形框內(nèi)的各有效子塊的顏色直方圖特征HPj_i與對(duì)應(yīng)的子塊顏色模板Hi進(jìn)行對(duì)比計(jì)算各子塊顏色特征的巴氏系數(shù):BCj_i=Σq=1nHPj_i(q)Hi(q)---(18)]]>取有效子塊相似度均值作為對(duì)應(yīng)粒子的整體部分的相似度,記有效子塊個(gè)數(shù)為M,則粒子j顏色特征的巴氏系數(shù)為:BCj=1MΣi=16FlagBiBCj_i---(19)]]>巴氏距離為用公式(12)計(jì)算各粒子的顏色特征權(quán)重w1(j),用公式(13)對(duì)各粒子顏色特征權(quán)重進(jìn)行歸一化處理。將粒子j矩形框內(nèi)的各有效子塊的局部二值模式直方圖特征GPj_i與對(duì)應(yīng)的子塊局部二值模式模板Gi進(jìn)行對(duì)比計(jì)算各子塊局部二值模式特征的巴氏系數(shù):BLj_i=Σq=1nGPj_i(q)Gi(q)---(20)]]>則粒子j的局部二值模式特征的巴氏系數(shù)為:BLj=1MΣi=16FlagBiBLj_i---(21)]]>巴氏距離為用公式(15)計(jì)算各粒子的局部二值模式特征權(quán)重w2(j),用公式(16)對(duì)各粒子局部二值模式特征權(quán)重進(jìn)行歸一化處理。根據(jù)上一步驟中計(jì)算得到的特征確定性系數(shù)用特征融合公式(17)計(jì)算各粒子的權(quán)重w(j),對(duì)各粒子權(quán)重進(jìn)行歸一化處理把所有粒子的坐標(biāo)按其權(quán)重加權(quán)得到當(dāng)前幀目標(biāo)的中心點(diǎn)坐標(biāo)目標(biāo)被嚴(yán)重遮擋時(shí)的最小二乘法目標(biāo)位置預(yù)測(cè)過程為:在跟蹤過程中,若在前一幀檢測(cè)到目標(biāo)被嚴(yán)重遮擋,則特征信息提取較為困難,需要根據(jù)前面k-1幀的目標(biāo)位置來預(yù)測(cè)出第k幀目標(biāo)的位置。記之前幀中目標(biāo)的中心位置坐標(biāo)為(xt,yt),其中t=1,2,…,k-1,t表示幀數(shù)。當(dāng)目標(biāo)在短暫時(shí)間內(nèi)被嚴(yán)重遮擋時(shí),假設(shè)目標(biāo)近似在做直線運(yùn)動(dòng)。根據(jù)最小二乘法原理,建立當(dāng)前目標(biāo)中心位置在x軸上的坐標(biāo)xt和在y軸上的坐標(biāo)yt隨著幀數(shù)t的變化方程如下:xt=a1t+b1yt=a2t+b2---(22)]]>代入已知的中心位置坐標(biāo)(xt,yt)(t=1,2,…,k-1)解這個(gè)方程,其中兩條直線的斜率a1、a2和截距b1、b2的計(jì)算公式分別如下:a1=(k-1)·Σt=1k-1t·xt-Σt=1k-1t·Σt=1k-1xt(k-1)·Σt=1k-1t2-(Σt=1k-1t)2---(23)]]>a2=(k-1)·Σt=1k-1t·yt-Σt=1k-1t·Σt=1k-1yt(k-1)·Σt=1k-1t2-(Σt=1k-1t)2---(24)]]>b1=Σt=1k-1(t)2·Σt=1k-1xt-Σt=1k-1t·Σt=1k-1t·xt(k-1)·Σt=1k-1t2-(Σt=1k-1t)2---(25)]]>b2=Σt=1k-1(t)2·Σt=1k-1yt-Σt=1k-1t·Σt=1k-1t·yt(k-1)·Σt=1k-1t2-(Σt=1k-1t)2---(26)]]>求得兩條擬合的直線后,當(dāng)前幀圖像中預(yù)測(cè)的目標(biāo)中心點(diǎn)位置(xk,yk)表示為:xk=a1k+b1(27)yk=a2k+b2(28)這樣就可計(jì)算得到k幀的目標(biāo)中心位置(xk,yk)。(6)更新目標(biāo)狀態(tài)目標(biāo)在運(yùn)動(dòng)過程中,在正常狀態(tài)下即沒有遮擋發(fā)生時(shí)提取的整體特征應(yīng)該是在一定范圍內(nèi)變動(dòng)或者保持不變,但是遇到遮擋后,被遮擋部分的特征會(huì)發(fā)生變化,從而影響整體目標(biāo)的特征。我們通過對(duì)整體顏色特征與顏色模板的比較來分析目標(biāo)是否被遮擋。經(jīng)過前述步驟在得到當(dāng)前幀目標(biāo)估計(jì)位置的中心坐標(biāo)(xk,yk)后,將以當(dāng)前新坐標(biāo)(xk,yk)為中心點(diǎn)的區(qū)域內(nèi)的顏色特征與目標(biāo)顏色模板進(jìn)行比較,當(dāng)相似度高于閾值時(shí),說明新坐標(biāo)位置上的目標(biāo)與跟蹤的目標(biāo)相似度比較高,是匹配的,繼續(xù)用粒子濾波跟蹤方法進(jìn)行跟蹤;當(dāng)相似度低于閾值時(shí),說明目標(biāo)的特征發(fā)生較大變化,認(rèn)為目標(biāo)出現(xiàn)了遮擋情況,但具體的遮擋嚴(yán)重程度還需要進(jìn)一步來判別。計(jì)算當(dāng)前幀中目標(biāo)顏色特征直方圖Hacc=(h1′,h2′,…,hn′),記當(dāng)前幀目標(biāo)特征與顏色模板H的相似度為:B=Σq=1nHacc(q)H(q)---(29)]]>設(shè)目標(biāo)的整體相似度閾值為T1。當(dāng)B≥T1時(shí),說明目標(biāo)在當(dāng)前幀中狀態(tài)正常;如果此時(shí)目標(biāo)狀態(tài)標(biāo)志位Flag等于0,無需更新,否則更新目標(biāo)狀態(tài)標(biāo)志位Flag為0,說明此時(shí)目標(biāo)已經(jīng)脫離了遮擋。當(dāng)B<T1時(shí),說明目標(biāo)在當(dāng)前幀中出現(xiàn)了遮擋情況,利用當(dāng)前目標(biāo)子塊顏色特征與分塊顏色模板比較分析目標(biāo)遮擋情況的嚴(yán)重性。將當(dāng)前位置的各子塊顏色特征分別與目標(biāo)顏色模板中對(duì)應(yīng)子塊特征進(jìn)行比較,若相似度較高,說明該子塊狀態(tài)正常;若子塊顏色特征與對(duì)應(yīng)的子塊顏色模板間存在較大差異時(shí),說明在該子塊出現(xiàn)了遮擋情況。將以當(dāng)前新坐標(biāo)(xk,yk)為中心點(diǎn)的矩形區(qū)域分塊后,提取每個(gè)子塊i(i=1,2,…,6)的顏色特征直方圖記作Hacc_i,把各子塊顏色特征分別與目標(biāo)顏色模板中相應(yīng)子塊特征Hi進(jìn)行比較,對(duì)應(yīng)的相似度記為Bi:Bi=Σq=1nHacc_i(q)Hi(q)---(30)]]>設(shè)分子塊的相似度閾值為T2,統(tǒng)計(jì)每個(gè)子塊的相似度情況,設(shè)定有效子塊和無效子塊,記子塊的狀態(tài)標(biāo)志位為FlagBi,則:FlagBi=0,Bi<T21,Bi≥T2---(31)]]>即當(dāng)Bi<T2,令代表子塊i是無效子塊;當(dāng)Bi≥T2,令代表子塊i是有效子塊。本發(fā)明分塊中若有4個(gè)子塊都出現(xiàn)遮擋情況,則遮擋總面積覆蓋了目標(biāo)框內(nèi)大部分像素。因而,將無效子塊數(shù)目的閾值定為4,則有效子塊數(shù)目的閾值為2,如圖5所示,當(dāng)子塊1、3、4和5都是無效子塊時(shí),目標(biāo)處于嚴(yán)重遮擋狀態(tài)。統(tǒng)計(jì)所有子塊中的有效子塊數(shù)目,根據(jù)有效子塊數(shù)目來判定目標(biāo)的遮擋嚴(yán)重程度:Flag=1,M>22,M≤2---(32)]]>即當(dāng)M>2時(shí),代表目標(biāo)處于部分遮擋狀態(tài),更新目標(biāo)狀態(tài)標(biāo)志位Flag=1;當(dāng)M≤2時(shí),代表目標(biāo)處于嚴(yán)重遮擋狀態(tài),更新目標(biāo)狀態(tài)標(biāo)志位Flag=2。(7)模板的更新目標(biāo)的特征模板初始化是在視頻初始幀中手動(dòng)框選出目標(biāo)時(shí)計(jì)算得到的,隨著時(shí)間的推移,目標(biāo)可能會(huì)發(fā)生或多或少的變化,需要對(duì)目標(biāo)的特征模板進(jìn)行自適應(yīng)更新。當(dāng)目標(biāo)在遮擋情況下時(shí),不對(duì)模板進(jìn)行更新,以免受到遮擋物的干擾。只有在目標(biāo)處于正常狀態(tài)下時(shí),對(duì)目標(biāo)模板進(jìn)行更新。即Flag=0時(shí),按模板更新公式分別對(duì)目標(biāo)的特征模板和子塊的特征模板同時(shí)進(jìn)行更新。令目標(biāo)顏色特征模板的直方圖為H,當(dāng)前幀的目標(biāo)新坐標(biāo)(xk,yk)區(qū)域顏色特征直方圖為Hacc,顏色特征模板更新公式為:H=αH+(1-α)Hacc(33)其中,0.80≤α≤0.99,本實(shí)施例中α=0.9;目標(biāo)的局部二值模式特征模板、子塊的顏色特征模板、子塊的局部二值模式特征模板更新方法與目標(biāo)顏色特征模板更新方法類同。(8)粒子重采樣我們用系統(tǒng)重采樣算法來進(jìn)行粒子的重采樣,去除權(quán)值小的粒子,保留或復(fù)制權(quán)值高的粒子。(9)粒子的傳播經(jīng)過重采樣的粒子,在x、y方向上分別擴(kuò)散得到新的對(duì)應(yīng)粒子,作為下一幀中粒子的初始分布。圖6是傳統(tǒng)粒子濾波目標(biāo)跟蹤方法與本發(fā)明提出的一種基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法在測(cè)試視頻上的跟蹤效果對(duì)比圖。在這個(gè)視頻場(chǎng)景中,黑色上衣的男子是跟蹤的目標(biāo)人物,目標(biāo)在移動(dòng)過程中被白色上衣的女子遮擋,當(dāng)采用傳統(tǒng)的粒子濾波目標(biāo)跟蹤方法進(jìn)行跟蹤時(shí),跟蹤框會(huì)偏離目標(biāo)位置,甚至在目標(biāo)離開遮擋物后,跟蹤框出現(xiàn)跟錯(cuò)的現(xiàn)象。而采用本發(fā)明的方法進(jìn)行跟蹤時(shí),在目標(biāo)人物遇到遮擋以及離開遮擋后的整個(gè)過程中,跟蹤框能夠準(zhǔn)確地跟蹤目標(biāo)。在第15、28、45幀時(shí),目標(biāo)處于被遮擋狀態(tài),兩種方法都能框出目標(biāo)人物,而本發(fā)明的方法能更準(zhǔn)確地框出目標(biāo)人物;在第63幀時(shí),目標(biāo)被遮擋物遮擋住部分身體,兩種方法的跟蹤框還是可以框出目標(biāo)的可見部分;從第102幀開始,傳統(tǒng)粒子濾波方法的跟蹤框已經(jīng)偏向于遮擋物,處于錯(cuò)跟狀態(tài),直至目標(biāo)跟丟,而本發(fā)明的方法能較好地繼續(xù)對(duì)目標(biāo)人物進(jìn)行跟蹤,且跟蹤框顯示較準(zhǔn)確,達(dá)到良好的穩(wěn)定跟蹤效果。為了更好地比較兩種方法,采用目標(biāo)的中心位置的跟蹤誤差來衡量?jī)煞N方法的跟蹤效果。跟蹤誤差用歐式距離來計(jì)算,如下式所示:d=(x′-x)2+(y′-y)2---(34)]]>其中,(x',y')表示跟蹤方法測(cè)得的目標(biāo)中心點(diǎn)位置,(x,y)為視頻中每幀的實(shí)際目標(biāo)中心點(diǎn)位置,這里我們通過手動(dòng)測(cè)量獲取。分別計(jì)算出用兩種跟蹤方法得到的中心點(diǎn)坐標(biāo)和跟蹤誤差,進(jìn)行對(duì)比分析,比較結(jié)果如表1和表2所示??梢悦黠@地看出,不論有無遮擋影響,本發(fā)明提出的基于顏色與局部二值模式特征融合的抗遮擋粒子濾波目標(biāo)跟蹤方法都比傳統(tǒng)粒子濾波方法的跟蹤誤差小,尤其是隨著幀數(shù)的增加,在目標(biāo)遇到遮擋并離開遮擋物后,傳統(tǒng)的粒子濾波方法已經(jīng)跟丟目標(biāo),而本發(fā)明方法的誤差一直保持在一定范圍內(nèi),表現(xiàn)出了穩(wěn)定且魯棒的跟蹤效果。表1表2顯而易見,在不偏離本發(fā)明的真實(shí)精神和范圍的前提下,在此描述的本發(fā)明可以有許多變化。因此,所有對(duì)于本領(lǐng)域技術(shù)人員來說顯而易見的改變,都應(yīng)包括在本權(quán)利要求書所涵蓋的范圍之內(nèi)。本發(fā)明所要求保護(hù)的范圍僅由所述的權(quán)利要求書進(jìn)行限定。當(dāng)前第1頁1 2 3 
當(dāng)前第1頁1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1