[發明專利]基于協方差矩陣的快速機動目標跟蹤方法

無效

• 申請號: 200910175258.4
• 申請日: 2009-11-23
• 公開（公告）號: CN101739687A
• 公開（公告）日: 2010-06-16
• 發明（設計）人: 張旭光;胡碩
• 申請（專利權）人: 燕山大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種圖像處理技術領域的目標跟蹤方法，具體地說，是涉及一種基于協方差矩陣的快速機動目標跟蹤方法。

背景技術

目標跟蹤是計算機視覺領域的重要研究課題，在視頻監控、協助駕駛、運動分析、人機交互等領域都有著廣泛的應用。

目標跟蹤經常遭遇的困難包括背景的混亂、目標被遮擋、目標尺寸變化等。目標跟蹤的性能依賴于描述目標的特征模型。然而大多數跟蹤算法都是利用單一特征來描述目標，如顏色、形狀、紋理等。當一種特征不足以區分目標與背景的時候，單一特征在目標跟蹤過程中很容易失效，尤其在復雜背景下該問題尤為突出。采用多種特征描述目標將增強特征模型的辨別能力，提高目標跟蹤的穩定性。協方差矩陣在描述目標方面表現出了優異的性能。其主要優勢在于可融合多維特征、實現全局搜索。該方法的具體內容請見參考文獻1：Fatih?Porikli，Oncel?Tuzel，Peter?Meer.Covariance?tracking?using?model?update?based?on?Liealgebra.IEEE?CVPR，2006.

快速機動目標運動的速度快，且速度變化較快。因此跟蹤快速機動目標除了要克服背景的混亂、目標被遮擋、目標尺寸變化等難點外，還要擴大搜索窗口的范圍以適應目標的快速運動。同時，搜索范圍的擴大將直接導致計算量的增加，而整個應用系統除了目標跟蹤還包括目標識別等其他任務，因此，分配給目標跟蹤的處理時間有限。可以看出，快速機動目標跟蹤方法需要具備以下特點：快速、全局搜索、能克服復雜環境。

發明內容

本發明的目的是克服快速機動目標跟蹤過程中環境復雜、目標運動過快造成的目標匹配穩定度低、計算量大的問題，提供一種快速、穩定的應用于快速機動目標跟蹤的有效方法。

為了實現上述目的，本發明提供了一種基于協方差矩陣的快速機動目標跟蹤方法，包括：

(1)提取圖像像素的幾種特征

包括：R(x，y)，G(x，y)，B(x，y)三維顏色特征，各顏色分量的邊緣特征E_R(x，y)，E_G(x，y)，E_B(x，y)，及像素的幾何位置特征d(x，y)。

(2)隨機采樣

為了提高協方差矩陣的計算速度，不統計圖像區域內的所有像素點，而從中隨機抽取一定數量的樣本，從而獲得與區域大小無關的計算速度。本步驟所抽取的樣本數N＝100。

(3)構造區域協方差矩陣

對于圖像區域R，利用步驟(1)中所提取的七種特征，考慮隨機抽取的N個樣本，構造相關聯的特征向量f_k，進而根據特征向量f_k計算其區域協方差矩陣C_R。協方差矩陣是一個對稱矩陣，其對角線上的元素代表每個特征的方差，而非對角線上的元素代表了各個特征之間的相關性。

(4)協方差矩陣的距離度量

為了尋找與給定目標最相似的區域，需要計算目標模板與候選區域的協方差矩陣間的距離。然而，協方差矩陣不屬于歐幾里德空間，因此，對兩個矩陣相減不能用來測量其距離。假定特征向量中沒有完全相同的特征，則協方差矩陣為正定矩陣，因此由兩個協方差矩陣間的廣義特征值的對數平方和來計算其距離ρ。在每一幀圖像，我們搜索與當前目標模板協方差矩陣距離最小的區域。這個最佳匹配位置定位了目標在當前幀的位置。

(5)遺傳算法

為了克服大范圍全局搜索實時性差的弊端，我們引入了遺傳算法來加速搜索過程。遺傳算法能利用簡單的編碼技術和繁殖機制來表現復雜的現象，從而可以解決非常困難的問題。而且由于它不受搜索空間限制性假設的約束，不必要求諸如單調、連續等假設，因此能以很大的概率快速找到全局最優解。本發明針對目標跟蹤的特點，采用整數編碼，以目標窗口與候選窗口的協方差矩陣間的距離值為適應度值，采用交叉、變異、選擇、排序等遺傳操作進行遺傳搜索，最后輸出粗匹配的最優值。

附圖說明

圖1為本發明的基于協方差矩陣的快速機動目標跟蹤方法的流程圖；

圖2為本發明的基于協方差矩陣的快速機動目標跟蹤方法的具體實現步驟流程圖。

具體實施方式

下面結合附圖和具體實施方式，對本發明的快速機動目標跟蹤方法作進一步的說明。參考圖1、圖2，本發明的基于協方差矩陣的快速機動目標跟蹤方法包含以下步驟：

步驟10、初始化目標模型，利用顏色、邊緣、像素的幾何位置等特征構建描述目標的協方差矩陣模型，本步驟的具體實現步驟如下：