[發(fā)明專(zhuān)利]一種基于光照不變特征的核循環(huán)目標(biāo)跟蹤方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110459760.9
• 申請(qǐng)日: 2021-04-27
• 公開(kāi)（公告）號(hào): CN113487648A
• 公開(kāi)（公告）日: 2021-10-08
• 發(fā)明（設(shè)計(jì)）人: 劉樂(lè)樂(lè);顏越;趙興儒;曹雪梅
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)石油大學(xué)（華東）
• 主分類(lèi)號(hào): G06T7/246
• 分類(lèi)號(hào): G06T7/246;G06T5/40
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明屬于圖像處理目標(biāo)跟蹤領(lǐng)域，為了提高目標(biāo)跟蹤的準(zhǔn)確性和魯棒性，針對(duì)核循環(huán)跟蹤結(jié)果易受光照變化影響的問(wèn)題，本文提出一種基于光照不變特征的核循環(huán)目標(biāo)跟蹤方法。主要分為兩個(gè)步驟：首先，對(duì)輸入圖像計(jì)算局部敏感直方圖，提取光照不變特征，然后，運(yùn)用核矩陣循環(huán)結(jié)構(gòu)在頻域中快速計(jì)算目標(biāo)與模板間的響應(yīng)置信圖，得到跟蹤目標(biāo)準(zhǔn)確位置。對(duì)不同視頻序列的跟蹤結(jié)果表明，本算法能很好地實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤，跟蹤誤差較核循環(huán)跟蹤算法平均降低大約24個(gè)像素點(diǎn)，精度提高了28％。提出的算法在光照劇烈變化及姿態(tài)調(diào)整時(shí)具有較強(qiáng)的魯棒性。

技術(shù)領(lǐng)域

本發(fā)明屬于目標(biāo)跟蹤算法領(lǐng)域，為了提高目標(biāo)跟蹤的準(zhǔn)確性和魯棒性，針對(duì)核循環(huán)跟蹤結(jié)果易受光照變化影響的問(wèn)題，本文提出一種基于光照不變特征的核循環(huán)目標(biāo)跟蹤方法。

背景技術(shù)

目標(biāo)跟蹤由于其在智能監(jiān)控、智能駕駛、人機(jī)交互、精確制導(dǎo)等領(lǐng)域的廣泛應(yīng)用成為了當(dāng)前最活躍的研究課題之一。

基于表觀的目標(biāo)跟蹤由于表觀信息的豐富多樣性，一直以來(lái)都是目標(biāo)跟蹤算法領(lǐng)域研究的熱點(diǎn)。表觀建模方法可分為基于統(tǒng)計(jì)模型的表觀建模、基于局部特征的表觀建模和基于判別式的表觀建模。

相比其它兩種表觀建模方法，判別式建模方法更簡(jiǎn)單有效，已經(jīng)成為目標(biāo)跟蹤算法的研究熱點(diǎn)。判別式表觀模型將目標(biāo)跟蹤問(wèn)題轉(zhuǎn)換為一個(gè)區(qū)別目標(biāo)與背景的分類(lèi)問(wèn)題，通過(guò)對(duì)像素點(diǎn)判別其屬于目標(biāo)還是背景，建立置信圖，通過(guò)尋找置信圖的峰值，確定跟蹤目標(biāo)。基于判別式的目標(biāo)跟蹤方法以循環(huán)矩陣結(jié)構(gòu)進(jìn)行稠密采樣，通過(guò)核函數(shù)在采樣的候選目標(biāo)和模板之間對(duì)像素點(diǎn)灰度值進(jìn)行相似性比較，建立置信圖，然后通過(guò)尋找置信圖的峰值，進(jìn)行目標(biāo)跟蹤。循環(huán)矩陣作為橋梁把核函數(shù)與快速傅里葉變換聯(lián)系在一起，利用循環(huán)矩陣的性質(zhì)：兩個(gè)向量的時(shí)域卷積等于頻域兩個(gè)向量的乘積，核函數(shù)計(jì)算在傅里葉域進(jìn)行，提高了跟蹤實(shí)時(shí)性，跟蹤速度每秒可達(dá)幾百幀。

為了實(shí)時(shí)性應(yīng)用的需求，平衡跟蹤的速度和精度一直是研究的重點(diǎn)和難點(diǎn)問(wèn)題之一。由于原始像素點(diǎn)構(gòu)成的的灰度信息易受噪聲的影響，并且灰度隨環(huán)境光照變化而劇烈改變，都將影響跟蹤精度。

針對(duì)灰度易受光照變化的影響，本文提出基于光照不變特征的核循環(huán)目標(biāo)跟蹤算法，使目標(biāo)特征更加穩(wěn)定，尤其是在光照劇烈變化時(shí)跟蹤算法更加魯棒。實(shí)驗(yàn)結(jié)果表明，本文算法在保持較高跟蹤速度的情況下，提高了跟蹤準(zhǔn)確性和魯棒性。

發(fā)明內(nèi)容

一種基于光照不變特征的核循環(huán)目標(biāo)跟蹤方法主要包括以下幾個(gè)步驟：

A.計(jì)算圖像的局部敏感直方圖：由于灰度直方圖不含有空間信息，基于片段的跟蹤把目標(biāo)分成幾個(gè)區(qū)域，每一區(qū)域用局部直方圖表示，局部直方圖記錄了圖像像素周?chē)臻g的統(tǒng)計(jì)信息，已被證明在目標(biāo)跟蹤中是行之有效的。在局部直方圖中，局部領(lǐng)域中的每個(gè)像素有同等貢獻(xiàn)。然而，對(duì)目標(biāo)跟蹤，遠(yuǎn)離目標(biāo)中心的像素可能包含背景信息或遮擋物體信息，應(yīng)賦予更小權(quán)值，從而降低它們對(duì)直方圖的貢獻(xiàn)。因此，應(yīng)計(jì)算圖像的局部敏感直方圖。在像素p點(diǎn)，局部敏感直方圖可表示為:

其中α∈(0，1)是控制降低權(quán)重的參數(shù)，當(dāng)一像素遠(yuǎn)離目標(biāo)中心時(shí)其值下降。W是局部區(qū)域像素的總個(gè)數(shù)，D是灰度級(jí)的總數(shù)，當(dāng)灰度值I_q屬于灰度級(jí)d時(shí)，Q(I_q，d)的值是1,否則為0。

像素p屬于灰度級(jí)d的概率為該點(diǎn)四鄰域?qū)儆谠摶叶燃?jí)概率乘以位置權(quán)值α，如圖1所示，即：

計(jì)算時(shí)分別按x和y方向統(tǒng)計(jì)，其鄰域灰度級(jí)概率統(tǒng)計(jì)迭代進(jìn)行。這樣計(jì)算的直方圖考慮了每個(gè)像素點(diǎn)根據(jù)位置對(duì)p點(diǎn)灰度級(jí)統(tǒng)計(jì)的貢獻(xiàn)。

B.提取光照不變特征：為了克服光照變化的影響，在LSH的基礎(chǔ)上提取稠密光照不變特征(Illumination Invariant Features,IIF),其方法如下：