61] 當(dāng)Cli的值大于閾值S時(shí)，訓(xùn)練樣本B Η屬于正樣本，S的取值為0· 6,否貝lj，屬于負(fù) 樣本；
[0062] 分類完畢后，將獲取的所有正樣本加權(quán)平均，得到S1，并與初始跟蹤目標(biāo)A 1加權(quán)， 加權(quán)公式如式（II )所示，得到第1幀圖像的跟蹤模板；
[0063] T1= a !XS^a2XA1 ( II )
[0064] 式（II )中，T1為第1幀圖像的跟蹤模板；a 0· 7, a 2= 0· 3 ;
[0065] (3)設(shè)定步驟⑴獲取〇幀深度圖像，p = 2,2 < p < 〇,執(zhí)行以下步驟：
[0066] A、在第p幀深度圖像中，對(duì)應(yīng)第p-1幀圖像中Ap i的相同位置為中心、50個(gè)像素點(diǎn) 為半徑、5個(gè)像素點(diǎn)為步長(zhǎng)的圓內(nèi)獲取測(cè)試樣本Dpl的中心，測(cè)試樣本D pl與跟蹤模板T p i大 小相同；將測(cè)試樣本Dpl與T p i進(jìn)行模板匹配，模板匹配公式如式（III)所示：
[0068] 式（III)中，C' pl為第P幀深度圖像中測(cè)試樣本D pl與跟蹤模板T p i的匹配值， f ,為T(mén)pl的均值，為Dpl的均值，為矩陣，m為D,;/的行，η為/^的列； P I ii-mn r-mn P^mn 為矩陣，m為%_.:1的行，η為T(mén)1的列； t 上mn r -mn F )mn.
[0069] 選出通過(guò)公式（III)求取的最大的匹配值對(duì)應(yīng)的測(cè)試樣本，以最大的匹配值對(duì)應(yīng) 的測(cè)試樣本位置為中心、5個(gè)像素點(diǎn)為半徑、1個(gè)像素點(diǎn)為步長(zhǎng)的圓內(nèi)取測(cè)試樣本D' ^的 中心，將測(cè)試樣本D' ^與了^進(jìn)行模板匹配，模板匹配公式如式（IV)所示：
[0071] 式（IV)中，C" pl為第p幀深度圖像中測(cè)試樣本D' pl與跟蹤模板Tpl的匹配值， 為T(mén)pl的均值，為D' pl的均值，/)k為矩陣，m為的行，η為！的列； 為矩陣，m為Γ i的行，η為！^4 .的列； V Wf ? 丄 mn r
[0072] 選出通過(guò)公式（IV)求取的最大的匹配值對(duì)應(yīng)的測(cè)試樣本即第P幀深度圖像的跟 蹤目標(biāo)A p;
[0073] 判斷通過(guò)公式（IV )求取的最大的匹配值是否大于閾值S，S的取值為0. 6,如果 大于，則進(jìn)入步驟B，否則，Tp= T p 1;T p為第p幀圖像的跟蹤模板，進(jìn)入步驟C ;
[0074] B、在跟蹤目標(biāo)Ap附近取20個(gè)訓(xùn)練樣本X pt，訓(xùn)練樣本Xpt中心點(diǎn)的選取方法為：在 以跟蹤目標(biāo)Ap為圓心、10個(gè)像素點(diǎn)為半徑的圓內(nèi)隨機(jī)取20個(gè)像素點(diǎn)；在遠(yuǎn)離跟蹤目標(biāo)A p 處取20個(gè)訓(xùn)練樣本Ypj，訓(xùn)練樣本Ypj中心點(diǎn)的選取方法為：在以跟蹤目標(biāo)A p為圓心、30像 素點(diǎn)為內(nèi)半徑、50個(gè)像素點(diǎn)為外半徑的圓環(huán)內(nèi)隨機(jī)取20個(gè)像素點(diǎn)；任一訓(xùn)練樣本X pt、任一 訓(xùn)練樣本Yw均與跟蹤目標(biāo)A p大小相同；訓(xùn)練樣本B P1包括所有的訓(xùn)練樣本X pt及所有的訓(xùn) 練樣本Yw，i = t+j，將每一個(gè)訓(xùn)練樣本Bpi分別與跟蹤模板T p i進(jìn)行模板匹配并分類，模式 匹配并分類公式如式（V)所示：
[0076] 式（V )中，Cpi為第p幀深度圖像中每一個(gè)訓(xùn)練樣本B P1與跟蹤模板T p i的匹配 值，I1為T(mén)p i的均值，I為Bpi的均值，為矩陣，m為&的行，η為U列； 為矩陣，m為l_lwn的行，η為的列；
[0077] 當(dāng)Cpi的值大于閾值S時(shí)，訓(xùn)練樣本B P1屬于正樣本，S的取值為0. 6,否則，屬于負(fù) 樣本；
[0078] 分類完畢后，將獲取的所有正樣本加權(quán)平均，得到Sp，并與初始跟蹤目標(biāo)A 1加權(quán)， 加權(quán)公式如式（VI)所示，得到第P幀圖像的跟蹤模板；
[0079] Tp= a IXSja2XA1 (VI)
[0080] 式（VI)中，Tp為第ρ幀圖像的跟蹤模板；a 0· 7, a 2= 0· 3 ;
[0081] C、判斷p是否等于〇,如果是，結(jié)束，否則，p加1，進(jìn)入步驟A。
[0082] 實(shí)施例2
[0083] 根據(jù)實(shí)施例1所述的一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算 方法，其區(qū)別在于，所述距離變換采用歐氏距離變換，歐氏距離變換公式如式（W)所示：
[0085] 式（VE)中，D為兩點(diǎn)之間的歐氏距離，（Xl，yi)為獨(dú)立的像素點(diǎn)，（x 2，y2)為離（Xl， yi)最近的非零像素點(diǎn)。
[0086] 實(shí)施例3
[0087] 根據(jù)實(shí)施例1所述的一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算 方法，其區(qū)別在于，步驟A中，如果通過(guò)公式（IV )求取的最大的匹配值不大于閾值S，Tp= Tp i，Tp為第p幀圖像的跟蹤模板，進(jìn)入步驟C，并在搜索下一幀圖像的跟蹤目標(biāo)時(shí)擴(kuò)大測(cè)試 樣本Dpl中心點(diǎn)的選取范圍，其選取范圍的半徑可擴(kuò)大（1-50)個(gè)像素點(diǎn)。
【主權(quán)項(xiàng)】
1. 一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法，其特征在于，具體 步驟包括： (1) 采集深度圖像，并對(duì)采集的深度圖像進(jìn)行預(yù)處理，所述預(yù)處理包括依次進(jìn)行求補(bǔ)、 腐蝕、膨脹、填充、重構(gòu)、邊緣提取、距離變換、歸一化； (2) 在第1幀深度圖像中，手動(dòng)標(biāo)記初始跟蹤目標(biāo)Ai;在初始跟蹤目標(biāo)Ai附近取若干個(gè) 訓(xùn)練樣本Xlt，訓(xùn)練樣本Xlt中心點(diǎn)的選取方法為：在以初始跟蹤目標(biāo)AiS圓心、（1-20)個(gè)像 素點(diǎn)為半徑的圓內(nèi)隨機(jī)取若干個(gè)像素點(diǎn)；在遠(yuǎn)離初始跟蹤目標(biāo)4處取若干個(gè)訓(xùn)練樣本Yy 訓(xùn)練樣本Yu中心點(diǎn)的選取方法為：在以初始跟蹤目標(biāo)A圓心、（20-100)像素點(diǎn)為內(nèi)半 徑、（40-150)個(gè)像素點(diǎn)為外半徑的圓環(huán)內(nèi)隨機(jī)取若干個(gè)像素點(diǎn)；任一訓(xùn)練樣本Xlt、任一訓(xùn) 練樣本均與初始跟蹤目標(biāo)Ai大小相同；訓(xùn)練樣本BH包括所有的訓(xùn)練樣本Xlt&所有的 訓(xùn)練樣本Y&i=t+j，將每一個(gè)訓(xùn)練樣本分別與初始跟蹤目標(biāo)A1進(jìn)行模板匹配并分類， 模式匹配并分類公式如式（I)所示：式（I)中，CH為第一幀深度圖像中初始跟蹤目標(biāo)Ai與訓(xùn)練樣本的匹配值，4為Ai的均值，互 1(為BH的均值，為BH的矩陣，m為的行，η為的列；為Ai 的矩陣， 當(dāng)CH的值大于閾值S時(shí)，訓(xùn)練樣本BH屬于正樣本，S的取值范圍為（0. 4-0. 8)，否則， 屬于負(fù)樣本； 分類完畢后，將獲取的所有正樣本加權(quán)平均，得到Si，并與初始跟蹤目標(biāo)&加權(quán)，加權(quán) 公式如式（II)所示，得到第1幀圖像的跟蹤模板； Τι=αiXSi+a2XA! (II) 式（II)中，?\為第1幀圖像的跟蹤模板；ai+a2= 1，ai的取值范圍為（〇· 5-0. 8); (3) 設(shè)定步驟⑴獲取o幀深度圖像，p= 2,2彡p彡〇,執(zhí)行以下步驟： A、在第p幀深度圖像中，對(duì)應(yīng)第p-1幀圖像中Api的相同位置為中心、（30-100)個(gè)像素 點(diǎn)為半徑、（5-10)個(gè)像素點(diǎn)為步長(zhǎng)的圓內(nèi)獲取測(cè)試樣本Dpl的中心，測(cè)試樣本Dpl與跟蹤模 板Tpi大小相同；將測(cè)試樣本Dpl與Tpi進(jìn)行模板匹配，模板匹配公式如式（III)所示：式（in)中，為第p幀深度圖像中測(cè)試樣本Dpl與跟蹤模板Tpl的匹配值，^^為T(mén)pi的均值，Dg,為Dpl的均值，為矩陣，m為的行，η為的列；為矩 陣，m為的行，η為？的列；1為正整數(shù)； 選出通過(guò)公式（III)求取的最大的匹配值對(duì)應(yīng)的測(cè)試樣本，以最大的匹配值對(duì)應(yīng)的測(cè) 試樣本位置為中心、（5-10)個(gè)像素點(diǎn)為半徑、1個(gè)像素點(diǎn)為步長(zhǎng)的圓內(nèi)取測(cè)試樣本的 中心，將測(cè)試樣本1>^與Tpi進(jìn)行模板匹配，模板匹配公式如式（IV)所示：式（iv)中，?:,為第p幀深度圖像中測(cè)試樣本與跟蹤模板τρ1的匹配值，胃^^為T(mén)pi的均值，5^為Dk的均值，為矩陣，m為Dk的行，η為的列；TPlm為矩 陣，m為的行，η為的列； r-mnrηιη 選出通過(guò)公式（IV)求取的最大的匹配值對(duì)應(yīng)的測(cè)試樣本即第ρ幀深度圖像的跟蹤目 標(biāo)Αρ; 判斷通過(guò)公式（IV)求取的最大的匹配值是否大于閾值S，S的取值范圍為（0. 4-0. 8)， 如果大于，則進(jìn)入步驟Β，否則，Τρ=Τρ1;Τρ為第ρ幀圖像的跟蹤模板，進(jìn)入步驟C; Β、在跟蹤目標(biāo)Αρ附近取若干個(gè)訓(xùn)練樣本Xpt，訓(xùn)練樣本Xpt中心點(diǎn)的選取方法為：在以 跟蹤目標(biāo)Ap為圓心、（1-20)個(gè)像素點(diǎn)為半徑的圓內(nèi)隨機(jī)取若干個(gè)像素點(diǎn)；在遠(yuǎn)離跟蹤目標(biāo) Ap處取若干個(gè)訓(xùn)練樣本Yw，訓(xùn)練樣本Yn]中心點(diǎn)的選取方法為：在以跟蹤目標(biāo)Ap為圓心、 (20-100)像素點(diǎn)為內(nèi)半徑、（40-150)個(gè)像素點(diǎn)為外半徑的圓環(huán)內(nèi)隨機(jī)取若干個(gè)像素點(diǎn)；任 一訓(xùn)練樣本Xpt、任一訓(xùn)練樣本Yw均與跟蹤目標(biāo)Ap大小相同；訓(xùn)練樣本BP1包括所有的訓(xùn)練 樣本xpt及所有的訓(xùn)練樣本Yw，i=t+j，將每一個(gè)訓(xùn)練樣本Bpi分別與跟蹤模板Tpi進(jìn)行模 板匹配并分類，模式匹配并分類公式如式（V)所示：式（V)中，CP1為第ρ幀深度圖像中每一個(gè)訓(xùn)練樣本BP1與跟蹤模板Tpl的匹配值， 為T(mén)pl的均值，&為1的均值，|_為矩陣，m為St的行，列； 矩陣，m為的行，η為的列； 當(dāng)CP1的值大于閾值S時(shí)，訓(xùn)練樣本BP1屬于正樣本，S的取值范圍為（0. 4-0. 8)，否則， 屬于負(fù)樣本； 分類完畢后，將獲取的所有正樣本加權(quán)平均，得到Sp，并與初始跟蹤目標(biāo)&加權(quán)，加權(quán) 公式如式（VI)所示，得到第P幀圖像的跟蹤模板； TP=a (VI) 式（VI)中，Tp為第ρ幀圖像的跟蹤模板； C、判斷ρ是否等于〇,如果是，結(jié)束，否則，ρ加1，進(jìn)入步驟Α。2.根據(jù)權(quán)利要求1所述的一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算 方法，其特征在于，所述距離變換采用歐氏距離變換，歐氏距離變換公式如式（W)所示：式（VII)中，D為兩點(diǎn)之間的歐氏距離，（Xl，yi)為獨(dú)立的像素點(diǎn)，（x2，y2)為離（Xl，yi) 最近的非零像素點(diǎn)。3.根據(jù)權(quán)利要求1或2所述的一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì) 算方法，其特征在于，步驟A中，如果通過(guò)公式（IV)求取的最大的匹配值不大于閾值S，Tp =ΤρρΤρ為第ρ幀圖像的跟蹤模板，進(jìn)入步驟C，并在搜索下一幀圖像的跟蹤目標(biāo)時(shí)擴(kuò)大測(cè) 試樣本Dpl中心點(diǎn)的選取范圍，其選取范圍的半徑可擴(kuò)大（1-50)個(gè)像素點(diǎn)。
【專利摘要】本發(fā)明涉及一種基于深度圖像或深度視頻序列的實(shí)時(shí)跟蹤目標(biāo)的計(jì)算方法，本發(fā)明包括預(yù)處理深度圖像、搜索跟蹤目標(biāo)、實(shí)時(shí)更新跟蹤模板；搜索跟蹤目標(biāo)過(guò)程分為粗略搜索和精細(xì)搜索兩個(gè)階段，減少了樣本的數(shù)目，進(jìn)而提高算法的運(yùn)行速度。本發(fā)明使用深度圖像進(jìn)行目標(biāo)跟蹤，能在保護(hù)跟蹤目標(biāo)隱私的同時(shí)，實(shí)時(shí)跟蹤目標(biāo)，對(duì)光照、遮擋及復(fù)雜背景等因素具有較強(qiáng)的魯棒性。本發(fā)明實(shí)時(shí)更新跟蹤模板提高了跟蹤的準(zhǔn)確性，在跟蹤目標(biāo)的匹配值較低時(shí)，本發(fā)明不更新跟蹤模板并對(duì)下一幀圖像擴(kuò)大搜索范圍，避免了跟蹤目標(biāo)移動(dòng)過(guò)快或變化過(guò)大造成的目標(biāo)丟失。
【IPC分類】G06T7/20
【公開(kāi)號(hào)】CN105261033
【申請(qǐng)?zhí)枴緾N201510585955
【發(fā)明人】楊陽(yáng), 楊智婷, 劉云霞
【申請(qǐng)人】山東大學(xué)
【公開(kāi)日】2016年1月20日
【申請(qǐng)日】2015年9月15日