[發明專利]基于HSV顏色協方差特征的目標跟蹤方法

有效

• 申請號: 201410231201.2
• 申請日: 2014-05-28
• 公開（公告）號: CN103985141B
• 公開（公告）日: 2016-11-09
• 發明（設計）人: 姬紅兵;樊振華;劉月;王磊;張文博
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06T7/40
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于跟蹤監測技術領域，特別涉及一種彩色圖像的目標跟蹤方法，可用于視頻跟蹤、目標監控等系統。

背景技術

彩色圖像，由于其圖像細節豐富，感光器件成本低，在實際中應用范圍廣，因此針對彩色圖像的目標跟蹤有著廣闊的應用前景和實際意義。豐富的圖像細節，既給目標特征描述提供了大量素材，同時也帶來了特征甄別選取的難度。如何充分挖掘目標的圖像信息，去除其中的冗余，有效地組織和建立多特征描述模型，成為彩色圖像目標跟蹤研究中的重點問題。

目前，針對彩色目標跟蹤的特征描述模型主要有：聯合特征直方圖，協方差算子等。其中：

聯合特征直方圖，存在大量的冗余信息，計算復雜度高，對光照變化敏感；

協方差算子，是一個高效精煉的多特征融合描述模型，具有較強的魯棒性，但其傳統定義中所選取的特征主要針對目標在各個方向上紋理的描述，同方向上不同階次的梯度在某些情況下會存在一定程度的信息冗余，而且缺乏對彩色圖像中豐富的顏色信息的挖掘。

傳統的彩色圖像目標跟蹤方法，包括基于聯合特征直方圖的目標跟蹤方法和基于協方差矩陣的目標跟蹤方法。其中，基于聯合直方圖的跟蹤方法選取紅色r、綠色g和藍色b構成聯合顏色直方圖；基于協方差矩陣的跟蹤方法中對目標所提取的特征包括灰度值、x方向的一階梯度、x方向的二階梯度、y方向的一階梯度、y方向的二階梯度。這些傳統方法在實際情況下，由于所提取的特征間具有較高的相似性，特征間的相互獨立性較差，存在信息冗余，導致目標特征描述的準確性和魯棒性較低，使得跟蹤系統的穩定性較差。

發明內容

本發明的目的在于針對上述已有技術的不足，在粒子濾波框架下，利用協方差算子特征描述模型，融合了色相H、飽和度S、明度V和拉普拉斯算子響應，提出了一種基于HSV顏色協方差特征的目標跟蹤方法，以提高目標特征描述的準確性和魯棒性，實現對彩色圖像中運動目標的實時精確跟蹤。

實現本發明的技術關鍵是：在跟蹤過程中，通過提取目標圖像的色相、飽和度、明度、拉普拉斯算子響應，獲取目標圖像的表觀特征，通過表觀特征對候選目標建立協方差矩陣，以減少信息冗余，增強特征獨立性，從而提升目標特征描述的精確性和魯棒性，提高跟蹤精度。其實現步驟包括如下：

(1)初始化步驟：

(1a)讀入k-1時刻的彩色圖I_k-1，根據目標的初始狀態，產生k-1時刻的初始粒子集其中，表示k-1時刻第i個粒子的狀態估計值，N表示粒子總數，i表示粒子的序號，k表示時刻，初始時刻為k＝1；

(1b)初始化目標跟蹤窗：B_k-1＝(r_k-1,c_k-1)^T，其中r_k-1和c_k-1分別表示k-1時刻目標跟蹤窗的長度和寬度值，T表示向量轉置；

(1c)根據目標初始狀態與目標跟蹤窗B_k-1，初始化目標的特征協方差矩陣M作為特征模板；

(2)目標狀態預測步驟：

(2a)讀入k時刻的彩色圖Ik，通過對k-1時刻彩色圖中粒子集的傳遞，得到k時刻彩色圖中的預測粒子集其中為k時刻第i個粒子的狀態預測值；

(2b)根據k時刻預測粒子集和目標跟蹤窗B_k-1，確定k時刻候選目標集其中為k時刻第i個候選目標，表示以為中心、B_k-1為長寬所界定出的矩形區域；

(3)候選目標特征提取步驟：

(3a)對于k時刻彩色圖I_k，提取其對應的W×H×d維特征圖F，其中W表示彩色圖I_k的寬，H表示彩色圖I_k的高，d表示特征維數；

(3b)在特征圖F的基礎上得到特征向量積分圖IP和特征向量乘積積分圖IQ；

(3c)根據特征向量積分圖IP、特征向量乘積積分圖IQ和候選目標集提取候選目標的特征集其中Cⁱ表示第i個候選目標的特征協方差矩陣；

(4)計算特征權值步驟：

(4a)求取各候選目標特征集與特征模板M之間的距離集其中ρⁱ表示第i個候選目標的特征協方差矩陣與特征模板之間的距離；

(4b)根據距離集計算候選目標的特征權值集其中ωⁱ表示第i個候選目標的特征權值；

(5)目標跟蹤窗調整步驟：