[發(fā)明專利]基于多源圖像特征融合的在線目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201310064931.3
• 申請日: 2013-03-01
• 公開（公告）號: CN103136526A
• 公開（公告）日: 2013-06-05
• 發(fā)明（設(shè)計(jì)）人: 張艷寧;楊濤;陳挺
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06T7/20
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 王鮮凱

技術(shù)領(lǐng)域

本發(fā)明涉及一種在線目標(biāo)跟蹤方法，特別是涉及一種基于多源圖像特征融合的在線目標(biāo)跟蹤方法。

背景技術(shù)

利用可見光傳感器和紅外傳感器獲取的圖像分別呈現(xiàn)不同的物理特點(diǎn)，自動(dòng)、有效地把可見光圖像和紅外圖像進(jìn)行融合并進(jìn)行魯棒的在線目標(biāo)跟蹤，具有非常重要的意義?，F(xiàn)有的在線目標(biāo)跟蹤方法主要有：基于在線學(xué)習(xí)的模版匹配跟蹤方法和基于在線學(xué)習(xí)的最優(yōu)特征跟蹤方法。

文獻(xiàn)“Online?selection?of?discriminative?tracking?features.PAMI，27(10)：1631-1643，Oct.2005.”公開了一種基于在線選取的最優(yōu)特征目標(biāo)跟蹤方法。該方法采用直方圖統(tǒng)計(jì)的方式獲得最優(yōu)的目標(biāo)特征線性組合圖像，之后采用mean-shift的方法對目標(biāo)進(jìn)行跟蹤。在選取最優(yōu)線性組合圖像階段，利用不用的參數(shù)設(shè)置對可見光圖像中的R，G，B三個(gè)通道圖像進(jìn)行線性融合，然后在新生成的大量線性組合圖像上對選取的目標(biāo)與背景的直方圖進(jìn)行統(tǒng)計(jì)分析，獲取最大對比度結(jié)果的線性融合圖像，利用該線性融合圖像的線性融合參數(shù)對下一幀圖像進(jìn)行同樣方式融合處理。但是該方法主要是針對可見光圖像三個(gè)通道的線性融合，在增加紅外圖像之后，該線性融合的參數(shù)設(shè)置不能直接適用。在mean-shift跟蹤階段，由于缺乏必要的模板更新，當(dāng)目標(biāo)本身發(fā)生姿態(tài)變化時(shí)，跟蹤失?。辉诟欉^程中由于窗口寬度大小保持不變，當(dāng)目標(biāo)尺度有所變化時(shí)，跟蹤失??；當(dāng)目標(biāo)速度較快時(shí)，跟蹤效果不好。綜上所述，mean-shift跟蹤方法的魯棒性并不是很好。

發(fā)明內(nèi)容

為了克服現(xiàn)有基于在線選取的最優(yōu)特征目標(biāo)跟蹤方法魯棒性差的不足，本發(fā)明提供一種基于多源圖像特征融合的在線目標(biāo)跟蹤方法。該方法利用線性組合的方式將可見光圖像與紅外圖像融合，使目標(biāo)在當(dāng)前圖像上與背景的對比度達(dá)到最大，突出目標(biāo)在圖像上的特征信息；其次，通過對目標(biāo)提取角點(diǎn)的方式獲取目標(biāo)的特征信息，并利用光流算法實(shí)現(xiàn)目標(biāo)的跟蹤。為了進(jìn)一步提高跟蹤的魯棒性，加入了檢測分類算法對目標(biāo)與背景樣本的信息進(jìn)行分類，再此基礎(chǔ)上，利用在線學(xué)習(xí)，協(xié)同處理光流跟蹤結(jié)果和檢測分類結(jié)果，獲取最優(yōu)的目標(biāo)跟蹤結(jié)果。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于多源圖像特征融合的在線目標(biāo)跟蹤方法，其特點(diǎn)是包括以下步驟：

步驟一、對可見光圖像中的R，G，B三個(gè)通道的信息再結(jié)合紅外圖像中的熱紅外灰度信息進(jìn)行線性組合，產(chǎn)生融合圖像。線性組合的表達(dá)式如下，

F₁≡{w₁R+w₂G+w₃B+w₄I|w_*∈[-2，-1，0，1，2]}??????(1)

式中，R，G，B分別對應(yīng)可見光圖像中的三個(gè)通道的圖像信息，I對應(yīng)紅外圖像的熱紅外灰度信息，w_*為相應(yīng)的線性組合參數(shù)，取值范圍為-2到2。剔除等效組合方式(w₁，w₂，w₃，w₄)=k(w₁′，w₂′，w₃′，w₄′)。

步驟二、在每一個(gè)線性組合后的圖像上，分別計(jì)算目標(biāo)區(qū)域與背景區(qū)域的直方圖統(tǒng)計(jì)信息。令目標(biāo)的像素特征直方圖為H_obj(i)，背景樣本的像素特征直方圖為H_bg(i)，分別計(jì)算目標(biāo)和背景的概率密度并進(jìn)行歸一化得到

p(i)=H_obj(i)/n_obj????????(2)

q(i)=H_bg(i)/n_bg????????(3)

式中，n_obj、n_bg分別代表目標(biāo)樣本和背景樣本的數(shù)量，p(i)、q(i)分別代表目標(biāo)樣本和背景樣本的離散概率密度。利用p(i)、q(i)得到似然函數(shù)