[發(fā)明專利]一種實時彩色目標(biāo)跟蹤方法

在審

• 申請?zhí)枺?/td>: 201710854844.6
• 申請日: 2017-09-20
• 公開（公告）號: CN107657628A
• 公開（公告）日: 2018-02-02
• 發(fā)明（設(shè)計）人: 任航;宋玉龍;郭巳秋;劉博超
• 申請（專利權(quán)）人: 中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/254;G06T7/277
• 代理公司: 深圳市科進(jìn)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)44316
• 代理人: 趙勍毅

1.一種實時彩色目標(biāo)跟蹤方法，其特征在于，包括：

在粒子濾波框架下，選定目標(biāo)模板，同時初始化粒子集；

獲取當(dāng)前幀，通過狀態(tài)轉(zhuǎn)移模型，得到新的粒子集；

提取目標(biāo)顏色信息和運動信息，采用改進(jìn)均值漂移算法對新的粒子集的每個粒子進(jìn)行漂移，得到漂移后的粒子集；

基于目標(biāo)顏色信息和運動信息的融合，建立一個新的觀測模型，并計算漂移后的粒子集的粒子權(quán)值；

歸一化所述粒子權(quán)值，并通過粒子的加權(quán)得到當(dāng)前幀的狀態(tài)。

2.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，在粒子濾波框架下，選定目標(biāo)模板，同時初始化粒子集具體包括：首先從初始幀中手動提取目標(biāo)模板，得到目標(biāo)的初始狀態(tài)參數(shù)，同時在目標(biāo)初始狀態(tài)附近隨機(jī)分布粒子數(shù)。

3.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，獲取當(dāng)前幀，通過狀態(tài)轉(zhuǎn)移模型，得到粒子集具體包括：

獲取k-1時刻粒子集通過狀態(tài)轉(zhuǎn)移模型，得到粒子集

4.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，所述狀態(tài)轉(zhuǎn)換模型為：

s'_k-s_k-1＝s_k-1-s_k-2+ru_k-1，其中，表示粒子隨機(jī)傳播半徑；u_t-1是[-1，1]的隨機(jī)數(shù)。

5.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，改進(jìn)均值漂算法為：假設(shè)待跟蹤目標(biāo)初始位于C₀(x₀,y₀)，初始化迭代次數(shù)itn＝0

(1)首先計算待跟蹤目標(biāo)所在矩形區(qū)域的零階矩陣和一階矩；

(2)根據(jù)零階矩和一階矩，計算矩形區(qū)域質(zhì)心；

(3)如果||C₁-C₀||<ε或者itn＞itn0，停止迭代，并更新目標(biāo)位置為C₁；否則令C₀＝C₁，并返回第(1)步。

6.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，提取目標(biāo)顏色信息具體為：

首先由HSV顏色空間中的H分量和S分量分別構(gòu)造目標(biāo)模板的H分量直方圖和S分量直方圖；

然后通過各自的顏色直方圖反向投影來獲取當(dāng)前幀的H分量概率分布圖和S分量概率分布圖,最后得到當(dāng)前幀總的顏色概率分布圖。

7.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，提取目標(biāo)運動信息具體為：

(1)對圖像上的每個象素,計算第k幀和第k-1幀之間以該像素為中心的局部范圍內(nèi)所有像素的絕對值之差,由此得到這兩幀圖像的差分圖像

(2)計算第k-1和第k-2幀的差分圖像

(3)接著，對做平均，得到

(4)最后，對D_k進(jìn)行自適應(yīng)閾值分割，閾值設(shè)為：Th＝m+ksd，其中，m和sd分別是圖像D_k的均值與標(biāo)準(zhǔn)差，k為常數(shù)。

8.根據(jù)權(quán)利要求1所述的實時彩色目標(biāo)跟蹤方法，其特征在于，基于目標(biāo)顏色信息和運動信息的融合，建立一個新的觀測模型具體為：

假設(shè)候選目標(biāo)為一矩形區(qū)域，計算該候選目標(biāo)的顏色信息和運動信息；

將候選目標(biāo)的顏色信息和運動信息進(jìn)行融合，建立一個新的觀測模型。