[發(fā)明專利]一種多特征融合的紅外圖像目標(biāo)實時跟蹤方法

有效

• 申請?zhí)枺?/td>: 201210397686.3
• 申請日: 2012-10-18
• 公開（公告）號: CN102930558A
• 公開（公告）日: 2013-02-13
• 發(fā)明（設(shè)計）人: 白俊奇;趙春光;王壽峰;翟尚禮;汪洋
• 申請（專利權(quán)）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 江蘇圣典律師事務(wù)所 32237
• 代理人: 胡建華

技術(shù)領(lǐng)域

本發(fā)明設(shè)計一種多特征融合的紅外圖像目標(biāo)跟蹤方法，特別涉及一種適合硬件實時實現(xiàn)的紅外圖像目標(biāo)跟蹤方法。

背景技術(shù)

近年來，隨著集成電路工藝和紅外材料的發(fā)展，紅外成像技術(shù)取得了很大進步，在國防建設(shè)和國民經(jīng)濟領(lǐng)域得到廣泛應(yīng)用。然而，與可見光圖像相比，紅外圖像信噪比相對較低，因此在進行紅外圖像目標(biāo)檢測和跟蹤時只能提供有限的信息。由于紅外圖像中目標(biāo)特征不明顯，存在大的背景雜波等問題，導(dǎo)致紅外圖像目標(biāo)的精確跟蹤變得更加困難。

目前，目標(biāo)跟蹤算法分為基于模型的跟蹤方法和基于外觀的跟蹤方法兩大類。與模型跟蹤法相比，外觀跟蹤法避免了建立模型的復(fù)雜過程，具有更廣的工程實用價值。其中，均值漂移跟蹤算法因其簡單、魯棒、實時性好的特點在目標(biāo)跟蹤中得到廣泛應(yīng)用。均值漂移是一種無參密度計算方法，通過多次迭代搜索與樣本分布最相似的分布模式。Comaniciu等人通過尋找目標(biāo)顏色直方圖與候選目標(biāo)顏色直方圖相似度的極大值，提出一種均值漂移目標(biāo)跟蹤算法。Chu等人將Kalman濾波器用于預(yù)測Mean?Shift的初始迭代位置，但是當(dāng)目標(biāo)被嚴(yán)重遮擋時，由于Mean?Shift算法尋找到的目標(biāo)位置點不準(zhǔn)確，存在一定偏差。Collins等提出一種能選取易辨識顏色特征的自適應(yīng)跟蹤方法，其中候選顏色特征集包含由像素點R、G、B值線性組合計算得到的49組特征．由于采用的候選集較大，特征選取的運算開銷也很大。因此，現(xiàn)有的目標(biāo)跟蹤算法存在以下缺點：（1）經(jīng)典的目標(biāo)跟蹤算法采用單一特征描述目標(biāo)，抗干擾能力差；（2）多數(shù)現(xiàn)有的多特征目標(biāo)跟蹤算法僅僅利用當(dāng)前幀計算特征間的權(quán)重系數(shù)，當(dāng)目標(biāo)進行復(fù)雜變化，跟蹤算法魯棒性差；（3）多數(shù)現(xiàn)有的跟蹤算法在目標(biāo)出現(xiàn)非剛性變形、局部遮擋及交疊的情況下，跟蹤精度下降，甚至出現(xiàn)目標(biāo)丟失；（4）多數(shù)現(xiàn)有的跟蹤算法在提高目標(biāo)跟蹤精度的同時，大大增加了算法復(fù)雜度，不易硬件實時實現(xiàn)。

發(fā)明內(nèi)容

發(fā)明目的：本發(fā)明所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供一種多特征融合的紅外圖像目標(biāo)實時跟蹤方法。

為了解決上述技術(shù)問題，本發(fā)明公開了一種多特征融合的紅外圖像目標(biāo)實時跟蹤方法，包括以下步驟：

（1）初始化目標(biāo)跟蹤點位置y₀。初始跟蹤點由人工指定；

（2）初始化目標(biāo)模型，以初始跟蹤點y₀為中心建立目標(biāo)灰度模型q₁和目標(biāo)LBP紋理模型q₂；（local?binary?pattern，LBP）局部二值模式。

（3）計算目標(biāo)候選模型，根據(jù)目標(biāo)的跟蹤點位置y₀，計算候選目標(biāo)灰度模型p₁(y₀)和候選目標(biāo)LBP紋理模型p₂(y₀)；

（4）利用灰度特征Bhattacharyya（巴塔查里亞Bhattacharyya，參見Visual?C++數(shù)字圖像處理，第466頁，作者：謝鳳英，2008年第一版，電子工業(yè)出版社。）系數(shù)ρ₁和LBP紋理特征的Bhattacharyya系數(shù)ρ₂，以及灰度特征的權(quán)重系數(shù)α₁和LBP紋理特征的權(quán)重系數(shù)α₂，計算位置y₀處聯(lián)合特征Bhattacharyya系數(shù)ρ，表達式如下：

ρ＝α₁·ρ₁+α₂·ρ₂；

（5）計算當(dāng)前幀目標(biāo)新位置y₁；

（6）利用灰度特征Bhattacharyya系數(shù)ρ′₁和LBP紋理特征Bhattacharyya系數(shù)ρ′₂，以及灰度特征的權(quán)重系數(shù)α′₁和LBP紋理特征的權(quán)重系數(shù)α′₂，計算位置y₁處聯(lián)合特征Bhattacharyya系數(shù)ρ'，表達式如下；

ρ＝α′₁·ρ′₁+α′₂·ρ′₂，

（7）當(dāng)ρ'<ρ時，否則y₁保持不變；

（8）若|(y₀-y₁)|<ε，停止計算，否則，將y₁賦值給y₀并執(zhí)行步驟（3），其中，ε是誤差常系數(shù)。