[發明專利]基于核及目標連續自適應分布特征的跟蹤方法無效
| 申請號: | 200910049015.6 | 申請日: | 2009-04-09 |
| 公開(公告)號: | CN101551909A | 公開(公告)日: | 2009-10-07 |
| 發明(設計)人: | 敬忠良;韓日升;李元祥 | 申請(專利權)人: | 上海交通大學 |
| 主分類號: | G06T7/20 | 分類號: | G06T7/20 |
| 代理公司: | 上海交達專利事務所 | 代理人: | 王錫麟;王桂忠 |
| 地址: | 200240*** | 國省代碼: | 上海;31 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 目標 連續 自適應 分布 特征 跟蹤 方法 | ||
技術領域
本發明涉及的是一種計算機視覺技術領域的跟蹤方法,特別是一種基于核及目標連續自適應分布特征的跟蹤方法。
背景技術
目前可視目標跟蹤技術可分為:數據驅動的跟蹤和模型驅動的跟蹤。數據驅動的可視目標跟蹤方法往往采用局部優化的算法,找到相似性的梯度信息來確定目標運動的方向(實時性好),實質上,這種方法是變跟蹤問題為局部尋優問題;或者直接進行塊匹配法來進行跟蹤(實時性差),但是利用多尺度分解方法,采用由粗到精的跟蹤思路,能提高塊匹配法的實時性。更為流行的模型驅動方法則是利用隨機的動態運動模型來預測目標的運動狀態,然后利用觀測信息更新模型狀態以確定目標的位置,這種方法又叫做濾波方法。由于觀測模型與目標的運動狀態之間往往是非線性的關系,所以可視目標跟蹤問題就成了一個非線性濾波問題。上述兩類方法的共同點就是都利用了局部觀測信息進行跟蹤。還有另一類方法是依賴于靜態或動態圖像的全局檢測算法來實現跟蹤。
經對現有技術文獻的檢索發現,Comaniciu等在《IEEE?Transactions?onPattern?Analysis?and?Machine?Intelligence》(pp.564-577,2003)上發表“Kernel?based?object?tracking”(基于核的目標跟蹤,《IEEE模式分析與機器智能雜志》)。基于核的目標跟蹤(簡記為:KBT)又稱為mean?shift(均值漂移)跟蹤。Mean?shift方法將核直方圖作為目標特征的描述,即采用了目標區域的像素顏色或灰度分布作為圖像特征的描述方式。Mean?shift作為一種高效的模式匹配方法,被成功的應用在了對實時性要求較高的可視目標跟蹤領域,已成為數據驅動式的可視目標跟蹤方法的代表。
一般來說,可視目標跟蹤可描述為:在初始幀,提取目標區域的特征作為跟蹤模板,在后續視頻幀中,與跟蹤模板匹配最相似的圖像區域成為目標跟蹤結果。對于KBT方法,在初始幀中提取的目標模板特征叫做“目標模型”,在后續視頻幀中用于匹配的特征叫做“候選模型”。
在實際的跟蹤應用領域中,目標將出現尺度大小、形狀和姿態等的變化,加上環境中的各種其他因素干擾,相關匹配跟蹤得不到最佳的匹配位置,必然存在測量誤差。當跟蹤置信度下降到小于模板更新的閾值時,模板已發生較大的漂移。另外,當圖像的亮度和對比度發生變化且出現灰度反轉時,最佳匹配點的位置將隨灰度的變化而變化,跟蹤誤差逐漸增大。所以作為相關跟蹤過程中相似性度量基準的模板圖像,在跟蹤過程中,必須及時得到更新修正。
Mean?Shift方法是一種密度函數梯度估計的非參數方法,通過迭代尋優找到概率分布的極值來定位目標。對于mean?shift跟蹤方法來說,目標模型可以看作是跟蹤模板。當跟蹤窗口在包含目標區域的同時逐漸混入很多背景區域時,由于跟蹤窗口的中心始終指示著目標的形心,因此空間定位誤差很小。但是當目標不斷增大尺寸并且大于跟蹤窗口的尺度時,不僅會導致尺度定位偏差,還導致空間定位偏差。另一方面,當目標不斷縮小尺寸時,由于跟蹤窗口大小不變,最終必定會導致極大的尺度定位誤差。因此,對于mean?shift的跟蹤模版自適應應該包含兩方面的內容:
(1)目標模型自適應更新;
(2)跟蹤窗口尺度自適應更新;
為了避免模板更新不及時導致定位誤差積累,并向后繼跟蹤過程傳遞,必須設計有效的模板更新和修正策略以獲得穩健的跟蹤性能。
Bradski?G?R提出的CAMSHIFT(Continuously?adaptive?mean?shift)方法用于感知用戶界面的人臉跟蹤中,它采用HSV色彩空間的H分量建立目標直方圖模型,限于跟蹤特定顏色的目標。值得注意的是,區別于KBT,CAMSHIFT方法是基于目標的連續自適應分布實現目標跟蹤。CAMSHIFT方法能夠自動調節窗口大小以適應被跟蹤目標在圖像中的大小。通過對比分析KBT和CAMSHIFT各自的優勢及缺點,可以看出KBT缺乏必要的模型更新,其固定不變的核函數窗寬,既跟蹤窗口的大小不變,影響了跟蹤的準確性,在目標存在明顯尺度變化時,會導致尺度定位不準確,甚至造成目標的丟失。而CAMSHIFT方法由于缺乏一個相對穩定的目標模型作為模板,因此在大面積背景干擾情況下,不能實現有效的跟蹤。本發明旨在結合目標的靜態模型和動態連續自適應分布各自的優勢,取得更加穩健的跟蹤效果。
發明內容
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于上海交通大學,未經上海交通大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/200910049015.6/2.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:跨活動斷層隧道抗減震構造
- 下一篇:陀螺玩具游戲裝置





