[發明專利]一種基于CAMSHIFT和卡爾曼濾波的視頻目標跟蹤方法

無效

• 申請號: 201210123039.3
• 申請日: 2012-04-24
• 公開（公告）號: CN102737385A
• 公開（公告）日: 2012-10-17
• 發明（設計）人: 羅笑南;陳欣;孟思明
• 申請（專利權）人: 中山大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及視頻監控技術領域，尤其涉及一種基于CAMSHIFT和卡爾曼濾波的視頻目標跟蹤方法。

背景技術

隨著計算機視覺技術的發展，運動視頻目標跟蹤技術已經成為武器制導、模式識別，計算機視覺等領域的重要課題。由于運動視頻目標跟蹤技術在軍事和民用領域都有廣闊的應用前景，國內外有許多學者從事這一課題的研究，并提出了許多經典的目標跟蹤算法。運動視頻目標跟蹤把圖像處理、計算機視覺和信息科學有機結合起來，形成了一種能從視頻圖像中實時地自動識別出目標，提取目標位置信息，自動跟蹤目標的技術。由于現實環境具有復雜性，如目標被遮擋、背景中存在與目標特征相似的物體、光線亮度的變化、目標快速運動、背景物體的運動等問題，如何提高目標跟蹤實時性、準確性和魯棒性，解決復雜背景下的目標跟蹤一直是人們研究的熱點。

目前，國外學者對目標跟蹤技術都進行了比較深入的研究。1994年，Jim?Ivins等人提出用限制性主動區域模型對彩色圖形序列進行快速跟蹤的方法。1995年，YZ.Chen將無參估計理論應用到目標跟蹤領域，提出基于Mean?Shift算法的目標跟蹤算法。1996年，S.Asaad在機器人視覺實驗中運用邊緣信息有效進行了目標跟蹤。1997年，P.Fieguth和D.Terzopoulos1g等人進行了基于顏色的目標跟蹤方法的研究。1998年，M.Kass等人提出用主動輪廓模型進行目標跟蹤。2000年，Y.Zhong等人提出了基于可變形模板進行目標跟蹤的方法。2001年，Gi-Jeong?Jang等人提出用自適應顏色模型進行目標跟蹤，同年Y.Bar-Shalom等人提出基于運動估計的估計跟蹤算法。2003年，Ryuzo?Okada等人基于光流的邊緣信息，進行了運動目標跟蹤的研究。2007年，R.Venkatesh?Babu等提出基于運動估計與顏色模型相結合的跟蹤算法。

在Mean?Shift跟蹤算法中，通常核窗口由初始跟蹤窗口的大小決定，而且在整個跟蹤過程中不再發生變化。然而，當目標存在明顯尺度變化的時候，尤其是當目標尺寸逐漸增大以至超出核窗寬范圍的時候，固定不變的核窗寬常常會導致目標的丟失。

CAMSH?IFT算法作為連續自適應的Mean?Shift，通過自動調節核窗口大小以及被跟蹤目標在圖像中的大小從而可以有效地解決目標變形問題，但其算法也收斂于局部最大值，并沒有對目標的相似度做判定。當CAMSHIFT的搜索窗口里面包含多個特征相似候選模型時，CAMSHIFT算法無法辨別是否出現干擾，經常出現跟蹤精度不夠的問題。而且，當目標運動物體緩慢地通過障礙物或進行快速無規則運動時，CAMSHIFT算法將很容易失效，導致目標跟蹤丟失。同時，當目標瞬間有個較大的加速度或被遮擋時，CAMSHIFT跟蹤算法容易失效。

發明內容

本發明的目的是為了克服現有技術的缺陷，提供一種基于CAMSHIFT和卡爾曼濾波的視頻目標跟蹤方法，通過該方法引入了相似度判定以及重定位技術，有效地解決了背景干擾，提高了跟蹤的精度。

一種基于CAMSHIFT和卡爾曼濾波的視頻目標跟蹤方法，采用卡爾曼濾波方法先預測出搜索窗口，再結合自適應局部搜索算法進行CAMSHIFT跟蹤，具體步驟如下：

step1：該方法以搜索窗口為參數，使用卡爾曼濾波器預測搜索窗口Win；

step2：以Win為參數調用CAMSHIFT算法尋找目標，返回包含候選模型的窗口targetWin；

step3：計算targetWin和目標模型的相似度；

step4：若相似度大于給定閾值，則轉step6；

step5：若相似度不大于給定閾值，則將上一幀的目標窗口以及卡爾曼濾波器預測的距離代替enlarge作為擴大窗口的參數，調用自適應迭代搜索算法；

step6：返回目標窗口。

優選地，針對計算量以及視頻亮度變化不定的問題，采用HSV，H為色度分量，S為色彩飽和度分量，V為亮度分量，模型中的色度HUE分量作為跟蹤的特征，采用反向投影圖進行處理；

讀取視頻每一幀圖像時，提取其HSV格式中HUE通道的圖像HImg；初始化搜索窗口，選擇目標區域的大小和位置)，計算該區域的顏色直方圖；假定使用m級量化的直方圖，{x_i}_i＝1...n為目標區域圖像的像素位置，定義c：R²→{1...m}來表示像素x_i對應的像素值，那么目標顏色直方圖分布為：