[發(fā)明專利]一種基于目標(biāo)分解的Camshift跟蹤方法

有效

• 申請?zhí)枺?/td>: 201510024097.4
• 申請日: 2015-01-19
• 公開（公告）號: CN104574444B
• 公開（公告）日: 2017-06-09
• 發(fā)明（設(shè)計）人: 修春波;魏世安;萬蓉鳳
• 申請（專利權(quán)）人: 天津工業(yè)大學(xué)
• 主分類號: G06T7/215
• 分類號: G06T7/215
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理與目標(biāo)跟蹤領(lǐng)域，涉及一種改進(jìn)的Camshift跟蹤方法，特別涉及一種基于目標(biāo)分解的Camshift跟蹤方法。

背景技術(shù)

圖像目標(biāo)跟蹤技術(shù)在國防、軍事、工業(yè)生產(chǎn)以及監(jiān)控系統(tǒng)等領(lǐng)域有著重要的應(yīng)用價值，一直是計算機(jī)視覺領(lǐng)域的熱點(diǎn)研究問題。目標(biāo)跟蹤的性能受多種因素的影響，目標(biāo)的姿態(tài)、平移、旋轉(zhuǎn)、縮放變化，光照的不均勻以及亮度變化都會對跟蹤結(jié)果產(chǎn)生較大的干擾。

MeanShift方法以及在此基礎(chǔ)上提出的Camshift方法由于具有快速匹配的特點(diǎn)得到研究者的格外關(guān)注。尤其CamShift方法能夠自適應(yīng)調(diào)整模板，對目標(biāo)的各種姿態(tài)變化具有一定的適應(yīng)性。當(dāng)目標(biāo)與背景對比度明顯時，這類方法具有較為穩(wěn)定的跟蹤效果。但當(dāng)背景復(fù)雜時，背景信息會對模板的自適應(yīng)調(diào)整產(chǎn)生干擾，從而破壞模型的準(zhǔn)確性，容易造成目標(biāo)定位不準(zhǔn)確，甚至目標(biāo)丟失。

因此，設(shè)計一種具有較強(qiáng)抗干擾能力的改進(jìn)Camshift跟蹤方法具有很好的應(yīng)用價值。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，針對CamShift跟蹤方法對目標(biāo)遮擋、姿態(tài)變化適應(yīng)能力差的缺點(diǎn)，設(shè)計一種具有較強(qiáng)適應(yīng)性的改進(jìn)跟蹤方法。

本發(fā)明所采用的技術(shù)方案是：一種基于目標(biāo)分解的Camshift跟蹤方法，針對大目標(biāo)跟蹤問題提出一種改進(jìn)的Camshift跟蹤策略，將被跟蹤的目標(biāo)分解為多個子目標(biāo)，對每個子目標(biāo)分別進(jìn)行目標(biāo)跟蹤，利用子目標(biāo)之間位置信息的相對不變性判斷各子目標(biāo)跟蹤結(jié)果的正確性，對于錯誤定位的子目標(biāo)進(jìn)行校正，根據(jù)校正后的子目標(biāo)集判斷被跟蹤目標(biāo)的準(zhǔn)確位置。該方法在大多數(shù)子目標(biāo)跟蹤正確的情況下即可對被跟蹤目標(biāo)進(jìn)行定位，其錯誤校正過程能夠提高目標(biāo)跟蹤的可靠性，特別對遮擋等情況的發(fā)生具有良好的適應(yīng)性。

本發(fā)明的目的在于在現(xiàn)有的CamShift方法的基礎(chǔ)上設(shè)計了一種改進(jìn)的CamShift跟蹤方法，將目標(biāo)分解為具有不同顯著特征的多個子目標(biāo)，構(gòu)成目標(biāo)子集，對每個子目標(biāo)分別進(jìn)行定位跟蹤，并根據(jù)子目標(biāo)之間蘊(yùn)含的距離關(guān)系對定位結(jié)果進(jìn)行正誤分析和錯誤校正，提高跟蹤方法的適應(yīng)能力，提高了目標(biāo)跟蹤的穩(wěn)定性，具有很好的實(shí)用性。

附圖說明

圖1是本發(fā)明方法跟蹤效果圖。

具體實(shí)施方式

下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)說明。

設(shè)被跟蹤目標(biāo)為A，在被跟蹤目標(biāo)區(qū)域內(nèi)選取n個具有不同顯著特征的區(qū)域，每個特征區(qū)域均確定為一個被跟蹤的子目標(biāo)，所有的子目標(biāo)構(gòu)成目標(biāo)子集U，這樣，被跟蹤目標(biāo)可由目標(biāo)子集U來描述。

目標(biāo)子集中的一個點(diǎn)代表一個子目標(biāo)的中心。記目標(biāo)子集中第i個目標(biāo)的空間坐標(biāo)為(x_i，y_i)，則目標(biāo)子集U可表示為：

U_n＝[(x₁，y₁)，(x₂，y₂)，…，(x_n，y_n)]^T(1)

目標(biāo)子集U中的目標(biāo)i與目標(biāo)j之間的距離定義為：

d_ij＝sqrt[(x_i-x_j)²+(y_i-y_j)²](2)

其中(x_i，y_i)和(x_j，y_j)分別為目標(biāo)子集U中目標(biāo)i和目標(biāo)j的坐標(biāo)。

由此可建立目標(biāo)子集U的子目標(biāo)距離關(guān)聯(lián)矩陣D_n：

當(dāng)被跟蹤目標(biāo)為剛體時，被跟蹤目標(biāo)在運(yùn)動過程中，目標(biāo)子集中的各子目標(biāo)之間的相對距離是不變的，根據(jù)這一特性可對錯誤跟蹤的子目標(biāo)進(jìn)行位置校正。

在HSV顏色空間內(nèi)對每個子目標(biāo)建立色調(diào)(hue)直方圖模型，采用CamShift方法對目標(biāo)子集中的各個子目標(biāo)分別進(jìn)行定位跟蹤，具體步驟如下：

Step1.設(shè)子目標(biāo)k區(qū)域內(nèi)各個像素的位置為其中i＝1，2，...，s_k。目標(biāo)k的中心位置為(x_k，y_k)。利用像素的色調(diào)特征構(gòu)建子目標(biāo)k的顏色特征直方圖模型為：

其中，色調(diào)特征劃分為n個等級，為顏色概率分布，函數(shù)表示像素量化后的特征值，C_qk為歸一化系數(shù)。