[發明專利]一種基于背景加權的Mean Shift算法和Kalman預測融合的遮擋跟蹤方法

在審

• 申請號: 201811247771.5
• 申請日: 2018-10-25
• 公開（公告）號: CN109472813A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 吳水琴;任維;毛耀;劉瓊;李志俊;周翕
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于背景加權的Mean Shift算法(HRBW Mean Shift)和Kalman預測融合的遮擋跟蹤方法，其特征在于，包括以下步驟：

步驟(1)：建立基于直方圖比的背景加權的目標直方圖模型：

建立基于直方圖比的背景加權的目標直方圖模型需要使用基于目標直方圖和背景直方圖的對數似然比推導出的權值作為背景加權因子，需要建立目標直方圖模型和背景直方圖模型，根據目標直方圖模型和背景直方圖模型計算出背景加權因子，然后根據背景加權因子建立了基于HRBW的目標直方圖模型；

a)目標直方圖建模

對視頻初始幀使用矩形框選定初始目標，然后進行目標建模，設目標區域中有m個像素點，特征空間中有n個特征值，對目標區域的特征值u進行建模，該模型的公式定義為：

公式1中，C為歸一化常數，x_i為第i個像素的坐標，函數b(x_i)為位置x_i處的特征值，δ[b(x_i)-u]判定b(x_i)是否等于u，若相等則值為1，否則值為0，為核函數，起到了加強初始矩形框中心像素并弱化邊緣像素的作用；

b)背景直方圖建模

對矩形框外的部分區域建立背景直方圖，背景區域特征值u的模型公式定義為：

公式3中，n_k表示背景區域的像素總數；

c)背景加權因子的計算

根據目標直方圖和背景直方圖計算特征值u的對數似然比值，該比值的公式定義為：

公式4中，通過非線性變換，使得和背景顏色特征相同的特征值在目標直方圖中所占的權重較小，其中η是為了防止目標直方圖中的特征值q_u為0或背景直方圖中的特征值b_u為0的情況，根據L_u計算變換后的背景加權系數，背景加權系數的公式定義為：

其中，L_max是L_u中的最大值，L_min是L_u中的最小值；μ_u是分段函數，表示特征值u的權重，其取值在[0,1]；

d)建立基于直方圖比的背景加權的目標模型

根據背景加權系數，可得基于直方圖比的背景加權的目標直方圖模型0，該模型公式定義為：

其中，μ_u為背景加權系數，C'為歸一化因子，x_i為第i個像素的坐標，函數b(x_i)為位置x_i處的特征值，δ[b(x_i)-u]判定b(x_i)是否等于u，若相等則值為1，否則值為0，為核函數；

步驟(2)：建立候選目標模型：

選取視頻的下一幀圖像，對當前圖像中的目標建立候選目標模型，該模型的特征值u的公式定義為：

p_u(y)為相似度值，x_i為第i個像素的坐標，y為候選目標的初始位置，函數b(x_i)為位置x_i處的特征值，δ[b(x_i)-u]判定b(x_i)是否等于u，若相等則值為1，否則值為0，為核函數，C_h為歸一化因子；

步驟(3)：判定遮擋狀態

根據Bhattacharyya系數法來判斷目標的遮擋狀態，其公式定義為：

其中，ρ(y)表示Bhattacharyya系數值，ρ(y)的值在[0,1]之間，ρ(y)的值越大，表示2個模板的相似度越高，設定遮擋閾值為B_h，若Bhattacharyya系數值小于B_h，則判定目標所處狀態為遮擋狀態；

步驟(4)：根據遮擋狀態選擇跟蹤算法

若目標處于遮擋狀態下，選用Kalman預測濾波算法進行預測跟蹤，否則使用HRBW MeanShift算法進行跟蹤，HRBW Mean Shift算法得到的目標位置y₁，y₁公式定義為：

g(x)＝-k'(x) (公式10)

其中，g(x)為核函數的負導數，w_i為權重，y₀表示當前目標位置的初始值，y₁為HRBWMean Shift算法計算出的目標位置，若HRBW Mean Shift迭代結束，此時y₁為目標的最終位置。