一種基于視覺量子的目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域，具體設(shè)及一種基于視覺量子的目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002] 運(yùn)動(dòng)目標(biāo)跟蹤作為目前國內(nèi)外計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一，經(jīng)過50余年的 研究發(fā)展，已經(jīng)取得了較大的成績。它是一種利用計(jì)算機(jī)與攝像機(jī)模仿"生物視覺系統(tǒng)"對(duì) 感興趣目標(biāo)進(jìn)行分析、識(shí)別、跟蹤及測量的技術(shù)，具有無接觸、隱蔽性強(qiáng)、精準(zhǔn)性高的技術(shù)優(yōu) 點(diǎn)。目標(biāo)跟蹤應(yīng)用廣泛，在仿生機(jī)器人、無人駕駛汽車、智能視頻監(jiān)控等自動(dòng)感知領(lǐng)域具有 重要的研究和應(yīng)用價(jià)值。
[0003] 目標(biāo)跟蹤技術(shù)的研究主要有兩大方向，一種是建立在運(yùn)動(dòng)信息分析基礎(chǔ)之上的跟 蹤方法，另一種是基于模型分析的目標(biāo)跟蹤方法。利用運(yùn)動(dòng)信息分析研究目標(biāo)跟蹤的方法 較多，已形成了眾多的算法和標(biāo)準(zhǔn)，基于運(yùn)動(dòng)分析的目標(biāo)跟蹤方法，原理簡單，實(shí)現(xiàn)較為方 便，但是對(duì)于遮擋目標(biāo)的前景與背景信息難W進(jìn)行區(qū)分，容易粘連和失跟。另一種基于模型 的目標(biāo)跟蹤方法可W克服局部遮擋信息的干擾，是目前計(jì)算機(jī)視覺領(lǐng)域內(nèi)的主流方法，但 是在目標(biāo)發(fā)生形變與尺度變化時(shí)，不能進(jìn)行穩(wěn)定跟蹤。
[0004] 現(xiàn)有目標(biāo)跟蹤方法的普遍弱點(diǎn)是缺少與遮擋、形狀與尺度變化的運(yùn)動(dòng)目標(biāo)相適應(yīng) 的能力，當(dāng)目標(biāo)發(fā)生遮擋、形狀與尺度變化時(shí)，現(xiàn)有跟蹤方法因無法適應(yīng)目標(biāo)變化，容易丟 失目標(biāo)，如果現(xiàn)有跟蹤方法能在變化的運(yùn)動(dòng)目標(biāo)當(dāng)中，提煉出不變的特征，將對(duì)克服遮擋、 形狀與尺度變化等因素對(duì)目標(biāo)跟蹤的影響起到不可限量的作用。

【發(fā)明內(nèi)容】

[0005] 針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供一種基于視覺量子的目標(biāo)跟蹤方法。
[0006] 本發(fā)明的技術(shù)方案為；
[0007] -種基于視覺量子的目標(biāo)跟蹤方法，包括如下步驟：
[000引步驟1 ;目標(biāo)初始化；在待跟蹤目標(biāo)圖像中選定目標(biāo)區(qū)域；
[0009] 步驟2 ;針對(duì)目標(biāo)區(qū)域，采用福射視覺量子的方法生成目標(biāo)區(qū)域的視覺場空間；進(jìn) 一步地，在待跟蹤目標(biāo)圖像中是利用矩形框選定目標(biāo)區(qū)域。更進(jìn)一步地通過自上而下的方 式，向目標(biāo)區(qū)域福射視覺量子，形成視覺場空間；
[0010] 則所述的視覺場空間為由aX0個(gè)視覺采樣單元組成的二維圖像感光空間，記 朱
，其中為視覺場空間，下標(biāo)t代表時(shí)間，V。,P代表視覺場 空間中的視覺采樣單元；將視覺場空間中包含目標(biāo)背景信息的視覺采樣單元、包含前景信 息的視覺采樣單元W及包含背景與前景交界處信息的視覺采樣單元均定義為視覺量子；貝。 下標(biāo)a，0代表視覺量子在視覺場空間中的矩陣位置是a行P列，a和P均為從1開 始的自然數(shù)，即l《a< + 〇〇，l《P< + 〇〇;
[0011] 步驟3;量子頻率計(jì)算；
[0012] 步驟3. 1 ;計(jì)算并統(tǒng)計(jì)視覺量子內(nèi)前景信息滴分布的極大值所對(duì)應(yīng)的灰度階 及背景信息滴分布的極大值所對(duì)應(yīng)的的灰度階AB;
[0013] 步驟3.2;統(tǒng)計(jì)灰度階AbIp的分布概率PKi；^，進(jìn)而計(jì)算視覺量子VQ的滴基邸BIP;
[0014] 在視覺場空間VFS中，對(duì)于任意視覺量子VQ，存在其前景信息滴（p的概率分布 和背景信息滴eB的概率分布，將信息滴與灰度能量的乘積定義為視覺量子VQ的滴基邸， 記為
：上標(biāo)BIf代表背景B或 前景F，進(jìn)一步地EEbIp代表視覺量子VQ的背景滴基邸B或前景滴基邸P，abIp代表AP或AB; 下標(biāo)KI入代表K或A，K、A分別為VQ內(nèi)Pk|x概率分布所對(duì)應(yīng)的滴的數(shù)量；Pk|a 代表PK或PX，表示ABIP出現(xiàn)的概率；背景信息滴r€[分，片，…，任…C];前景信息 滴[打，妊，…，公，…公；I;。、T分別為視覺量子VQ內(nèi)背景區(qū)域滴的數(shù)量與前景區(qū)域 滴的數(shù)量；E(x，y)代表灰度能量，為視覺量子內(nèi)所有像素的灰度值的平方和，即E(x，y)= 2G(x,y)2,X、y為視覺量子內(nèi)部像素點(diǎn)坐標(biāo)，G(x,y)為像素（X，y)的灰度值；
[0015] 步驟3. 3;對(duì)滴基進(jìn)行二維核變換，得到視覺量子VQ的量子頻率QF，并對(duì)量 子頻率QF的變換系數(shù)進(jìn)行歸一化處理；
[001引 量子頻率QF記為pBlF(u，v，t) =E巧IFkA/43T2u^[eJ'2"(u/"vKA)+eJ'2"uV K+ej'2"vKA+l]，其中，pBlF代表背景量子頻率pB或前景量子頻率pF，eJ2n(ux/"vy/"t為二維變 換核，e巧"(U入/"VK/入）+eJ2n化入/K+6巧ntvK/入+1稱為量子頻率變換核的組合，E巧IFK入/4n2uvt 為變換系數(shù)；
[0017] 步驟4;量子平衡跟蹤；
[0018] 步驟4.1 ;計(jì)算量子頻率的二階偏導(dǎo)，進(jìn)而確定目標(biāo)邊緣區(qū)域；
[001引通過計(jì)算量子頻率QF的二階偏導(dǎo)，得到目標(biāo)邊緣區(qū)域，記為：
[0020] 步驟4. 2 ;保留目標(biāo)邊緣區(qū)域的視覺量子，刪除其他區(qū)域的視覺量子；
[002。步驟4.3 ;建立W視覺量子幾何中屯、0化Y)為起點(diǎn)、W目標(biāo)邊緣區(qū)域幾何中屯、 0'狂'，Y'）為終點(diǎn)的向量3 =品=(義'-疋尸-10;
[0022] 目標(biāo)邊緣區(qū)域幾何中屯、坐標(biāo)0 '狂'，Y'）中
目標(biāo)邊緣區(qū)域 W(x，y)的像素點(diǎn)數(shù)量為n，Xi、y;為9?(y，y)的像素點(diǎn)坐標(biāo)，1《i《n;
[0023] 步驟4. 4;沿向量g將視覺量子移動(dòng)至量子平衡狀態(tài)；
[0024] 將視覺量子沿向量S移動(dòng)，使視覺量子幾何中屯、。化Y)與目標(biāo)邊緣區(qū)域幾何中 屯、0 '狂'，Y'）重合，此時(shí)視覺量子達(dá)到平衡狀態(tài)；
[0025] 步驟5;計(jì)算視覺量子的頻率積分；
[0026] 視覺量子的頻率積分表達(dá)式為
其中At為相鄰兩帖圖像的時(shí)間 間隔，ppn pB為目標(biāo)前景量子頻率與目標(biāo)背景量子頻率相交的頻率范圍；
[0027] 步驟6 ;輸出跟蹤結(jié)果；當(dāng)視覺量子達(dá)到量子平衡狀態(tài)且頻率積分相等時(shí)，將視覺 量子的位置信息作為目標(biāo)跟蹤結(jié)果進(jìn)行輸出。
[002引有益效果；本發(fā)明的基于視覺量子的目標(biāo)跟蹤方法與現(xiàn)有技術(shù)相比較具有W下優(yōu) 勢：
[0029] 1.抓住了運(yùn)動(dòng)目標(biāo)前景與背景交界處具有的頻率不變性的特點(diǎn)，將頻率不變性采 用多個(gè)視覺量子進(jìn)行描述，可W有效克服遮擋、形狀與尺度變化等因素對(duì)運(yùn)動(dòng)目標(biāo)跟蹤的 影響，失跟率較低；
[0030] 2.相對(duì)于現(xiàn)有技術(shù)，視覺量子計(jì)算過程簡單，不需要存儲(chǔ)目標(biāo)多種姿態(tài)模型，計(jì)算 復(fù)雜度和空間復(fù)雜度較低，跟蹤實(shí)時(shí)性較高。
【附圖說明】
[0031] 圖1為本發(fā)明一種實(shí)施方式的基于視覺量子的目標(biāo)跟蹤方法流程圖；
[0032] 圖2為本發(fā)明一種實(shí)施方式的目標(biāo)初始化時(shí)獲得的目標(biāo)區(qū)域示意圖；
[0033] 圖3為本發(fā)明一種實(shí)施方式的視覺場空間示意圖；
[0034] 圖4為本發(fā)明一種實(shí)施方式的滴基函數(shù)波形示意圖；
[00巧]圖5(a)為本發(fā)明一種實(shí)施方式的視覺量子未達(dá)到平衡狀態(tài)的示意圖；圖5(b)為 本發(fā)明一種實(shí)施方式的視覺量子沿向量S移動(dòng)到平衡狀態(tài)的示意圖；
[0036] 圖6為本發(fā)明一種實(shí)施方式的基于視覺量子的目標(biāo)跟蹤方法的獲得的目標(biāo)跟蹤 效果示意圖。
【具體實(shí)施方式】
[0037] 下面結(jié)合附圖對(duì)本發(fā)明的【具體實(shí)施方式】做詳細(xì)說明。
[0038] 本實(shí)施方式的基于視覺量子的目標(biāo)跟蹤方法，如圖1所示，包括W下步驟：
[0039] 步驟1 ;目標(biāo)初始化；在待跟蹤目標(biāo)圖像中利用矩形框選定目標(biāo)區(qū)域，如圖2所示， 圖中黑色矩形框的區(qū)域?yàn)檫x定的目標(biāo)區(qū)域；
[0040] 步驟2 ;生成視覺場空間：在目標(biāo)區(qū)域內(nèi)，自上而下均勻分布視覺量子 VQ。。P狂，Y，D，P，T)，形成視覺場空間
視覺場空間如圖3所示， 將視覺場空間中包含目標(biāo)背景信息的視覺采樣單元、包含前景信息的視覺采樣單元W及包 含背景與前景交界處信息的視覺采樣單元均定義為視覺量子，記為VQ。,e狂，Y，D，P，T)，其 中，X、Y為視覺量子幾何中屯、坐標(biāo)，D為視覺量子的直徑，P為視覺量子的量子頻率，T為時(shí) 間，即視頻序列中的某個(gè)時(shí)刻；下標(biāo)a, 0代表視覺量子在視覺場空間中的矩陣位置是a 行e列；為表達(dá)方便，將視覺場空間中包含目標(biāo)背景信息的視覺采樣單元稱為背景視覺量 子、將包含前景信息的視覺采樣單元稱為前景視覺量子W及將包含背景與前景交界處信息 的視覺采樣單元稱為緣視覺量子；如圖3中黑色圓表示的是背景視覺量子，灰色圓表示的 是邊緣視覺量子，白色圓表示的是前景視覺量子；
[00川步驟3;量子頻率計(jì)算；
[0042] 步驟3. 1 ;計(jì)算并統(tǒng)計(jì)視覺量子內(nèi)前景信息滴分布的極大值所對(duì)應(yīng)的灰度階 及背景信息滴分布的極大值所對(duì)應(yīng)的的灰度階AB;
[0043] 步驟3.2;統(tǒng)計(jì)灰度階48|^的分布概率^3,|\，進(jìn)而計(jì)算視覺量子￥9的滴基邸8|^; 方法為：
[0044] 首先統(tǒng)計(jì)灰度階ABIP的出現(xiàn)概率P然后計(jì)算前景/背景信息滴 再然后統(tǒng)計(jì)視覺量子內(nèi)部像素點(diǎn)（x，y)的灰度值G(x，y)，進(jìn)而計(jì)算 灰度能量E(x，y) = 2G(x，y)2;最后計(jì)算視覺量子VQ的滴基
，圖4 為圖3中第15行、16列視覺量子的滴基函數(shù)波形，圖中縱坐標(biāo)為滴基，橫坐標(biāo)為滴的數(shù)量， 函數(shù)振幅表明視覺量子中邊緣信息變化的劇烈程度；
[004引步驟3. 3;對(duì)滴基進(jìn)行二維核變換，得到視覺量子VQ的量子頻率QF，并將量 子頻率QF的變換系數(shù)進(jìn)行歸一化處理，W濾除系統(tǒng)噪音和雜波干擾；
[0046] 量子頻率QF記為
化簡后得
;本實(shí)施方式是利 用邸兀2!/村2成=1對(duì)量子頻率QF的變換系數(shù)進(jìn)行歸一化處理，來濾除系統(tǒng)噪音 ? -CC 和雜波干擾。
[0