[發(fā)明專利]一種基于有序比對(duì)特征的目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710034513.8
• 申請(qǐng)日: 2017-01-17
• 公開（公告）號(hào): CN106815860B
• 公開（公告）日: 2019-11-29
• 發(fā)明（設(shè)計(jì)）人: 向北海
• 申請(qǐng)（專利權(quán)）人: 湖南優(yōu)象科技有限公司
• 主分類號(hào): G06T7/246
• 分類號(hào): G06T7/246
• 代理公司: 11429 北京中濟(jì)緯天專利代理有限公司
• 代理人: 陸薇薇<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入

1.一種基于有序比對(duì)特征的目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

S1對(duì)目標(biāo)進(jìn)行視頻拍攝，得到目標(biāo)的視頻序列圖像{P_n(x,y)|n＝1,2,…N}；

S2在視頻序列圖像的第一幀圖像對(duì)目標(biāo)跟蹤進(jìn)行初始化；

S3在下一幀圖像進(jìn)行基于有序比對(duì)的目標(biāo)跟蹤，即根據(jù)第n幀的目標(biāo)矩形的位置，計(jì)算第n+1幀的跟蹤矩形的位置；

S31選取粒子數(shù)量M，每個(gè)粒子表示一個(gè)跟蹤矩形，且第n+1幀的跟蹤矩形的大小和第n幀的目標(biāo)矩形的大小完全相同，所以每個(gè)粒子用3個(gè)參數(shù)表示即其中表示跟蹤矩形的權(quán)重，表示跟蹤矩形的中心坐標(biāo)，標(biāo)號(hào)m∈{1,…,M}表示粒子的序號(hào)；

已知第n幀的目標(biāo)矩形A(x,y)，中心像素為(x₀,y₀)以及其周圍的背景區(qū)域B(x,y)；接下來(lái)在第n+1幀圖像上，以(x₀,y₀)為中心，隨機(jī)選取50個(gè)位置作為粒子的中心坐標(biāo)：

其中ε₁,ε₂均為[-1,1]內(nèi)的隨機(jī)數(shù)，β是一個(gè)常數(shù)，表示單幀像素偏移的范圍；然后給每個(gè)粒子的權(quán)重賦初值，初始權(quán)重設(shè)為1/M；

S32計(jì)算每個(gè)粒子代表的跟蹤矩形和前一幀即第n幀的目標(biāo)矩形的相似程度，相似程度越高的粒子賦予較大的權(quán)重，反之權(quán)重較小；其中，相似程度和權(quán)重的計(jì)算方法如下：

S3.2.1任取一個(gè)粒子記此粒子所表示的跟蹤矩形為TA(x,y)；將目標(biāo)矩形A(x,y)平均分成100個(gè)區(qū)域，每個(gè)區(qū)域大小都一樣，然后在每個(gè)區(qū)域隨機(jī)選擇一個(gè)3×3的圖像小塊，記為{a1(x,y),a2(x,y),…,a100(x,y)}；將跟蹤矩形TA(x,y)按照同樣的方法平均分成100個(gè)區(qū)域，每個(gè)區(qū)域大小都一樣，然后在跟蹤矩形TA(x,y)上相同的位置也可得到100個(gè)3×3的圖像小塊，記為{b1(x,y),b2(x,y),…,b100(x,y)}；其中a_i(x,y)和b_i(x,y)是一一對(duì)應(yīng)的，i∈{1,2,…,100}；

S3.2.2分別對(duì)目標(biāo)矩形A(x,y)上、跟蹤矩形TA(x,y)上所有的3×3圖像小塊進(jìn)行有序比對(duì)編碼；

對(duì)任一3×3的圖像小塊進(jìn)行有序比對(duì)編碼其方法為：通過(guò)度量圖像小塊與其周圍均勻分布的同等大小的八個(gè)矩形區(qū)域之間平均灰度的有序比對(duì)關(guān)系，并用二進(jìn)制編碼把這八個(gè)有序比對(duì)關(guān)系串接成一個(gè)描述子，獲得一個(gè)特征值；

對(duì)目標(biāo)矩形A(x,y)上所有的圖像小塊都采用上述方法進(jìn)行有序比對(duì)編碼，最終可以得到一個(gè)長(zhǎng)度為100的特征向量，然后進(jìn)行歸一化處理得到最終的特征向量，記為YXT1，同樣的對(duì)跟蹤矩形TA(x,y)上所有的圖像小塊進(jìn)行有序比對(duì)編碼，也可以得到一個(gè)長(zhǎng)度為100的歸一化特征向量，記為YXT2；

S3.2.3采用Bhattacharyya系數(shù)計(jì)算兩特征向量的相似度，定義如下：

S3.2.4根據(jù)相似度計(jì)算當(dāng)前粒子的觀測(cè)概率密度其中δ是個(gè)常數(shù)；然后更新當(dāng)前粒子的權(quán)重：

S3.2.5對(duì)于所有的50個(gè)粒子都進(jìn)行S3.2.1至S3.2.4中的操作，計(jì)算出各粒子新的權(quán)重，然后再進(jìn)行歸一化得到最終權(quán)重

S33所有粒子的權(quán)重都進(jìn)行更新后，通過(guò)權(quán)重對(duì)每個(gè)粒子所代表的跟蹤矩形中心進(jìn)行加權(quán)，可以得到最終的跟蹤矩形中心也即獲得目標(biāo)在第n+1幀圖像的位置；

S4從第2幀開始，每一幀都通過(guò)S3中的方法計(jì)算出與之相鄰的前一幀對(duì)應(yīng)的跟蹤參數(shù){(Tx_n,Ty_n)|n＝1,…,N-1}，這樣能夠獲得目標(biāo)在每一幀的跟蹤結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于有序比對(duì)特征的目標(biāo)跟蹤方法，其特征在于：S2中，通過(guò)手工指定的方式完成初始化，在第一幀圖像中手工選擇包含目標(biāo)的一個(gè)矩形，記為目標(biāo)矩形A(x,y)。

3.根據(jù)權(quán)利要求1所述的基于有序比對(duì)特征的目標(biāo)跟蹤方法，其特征在于：S31中選取粒子數(shù)量M＝50。

4.根據(jù)權(quán)利要求1所述的基于有序比對(duì)特征的目標(biāo)跟蹤方法，其特征在于：S31中β取值50。

5.根據(jù)權(quán)利要求1所述的基于有序比對(duì)特征的目標(biāo)跟蹤方法，其特征在于：S3.2.2其方法如下：

a.對(duì)于目標(biāo)矩形A(x,y)上的任一圖像小塊a_i(x,y)，計(jì)算其的灰度均值其中Ω表示圖像小塊a_i(x,y)所有的像素集合；

b.以圖像小塊a_i(x,y)為中心，選擇其周圍均勻分布的八個(gè)的大小為3×3的矩形區(qū)域：記圖像小塊a_i(x,y)的中心像素位置為(x₀,y₀)，那么其周圍八個(gè)大小為3×3的矩形區(qū)域的中心像素分別為(x₀-6,y₀)、(x₀-3,y₀+3)、(x₀,y₀+6)、(x₀+3,y₀+3)、(x₀+6,y₀)、(x₀+3,y₀-3)、(x₀,y₀-6)、(x₀-3,y₀-3)，按照順序計(jì)算這八個(gè)矩形區(qū)域的灰度均值，記為{μ₁,μ₂,…,μ₈}；

c.有序比對(duì)特征以圖像小塊a_i(x,y)的灰度均值μ為閾值，分別將周圍八個(gè)矩形區(qū)域的灰度均值{μ₁,μ₂,…,μ₈}與μ進(jìn)行比較，若大于μ，標(biāo)記為1，否則為0；這樣經(jīng)過(guò)比較會(huì)產(chǎn)生8位二進(jìn)制數(shù)，轉(zhuǎn)化為十進(jìn)制數(shù)所得的值即得到該圖像小塊a_i(x,y)的有序比對(duì)特征值YXT(a_i)；其計(jì)算公式為：

其中

d.按照步驟a至c中的方法對(duì)目標(biāo)矩形A(x,y)上所有的圖像小塊進(jìn)行有序比對(duì)編碼，最終可以得到一個(gè)長(zhǎng)度為100的特征向量，然后進(jìn)行歸一化處理得到最終的特征向量，記為YXT1；

e.用步驟a至d中同樣的方法對(duì)跟蹤矩形TA(x,y)上所有的圖像小塊進(jìn)行有序比對(duì)編碼，也可以得到一個(gè)長(zhǎng)度為100的歸一化特征向量，記為YXT2。