專利名稱：一種基于彩色顏色距離和圖像分科聚合的目標跟蹤方法
技術領域：
本發(fā)明涉及電子信息技術領域，特別是涉及一種基于彩色顏色距離和圖像分科聚合的目標跟蹤方法。
背景技術：
目標跟蹤是計算機視覺領域非常重要的一個研究方向，也是智能視頻監(jiān)控領域的核心技術之一?，F(xiàn)有的目標跟蹤算法在運算會受到很多環(huán)境方面(光照變化、形狀變化等)的影響，很難滿足智能視頻監(jiān)控領域中復雜環(huán)境下的魯棒性要求，此發(fā)明為此問題提供了一種可行的方案。傳統(tǒng)的基于顏色直方圖的粒子濾波跟蹤算法包括以下幾個步驟步驟一、框選目標，計算預跟蹤目標的顏色直方圖模板。步驟二、在新一幀的圖像中隨機選擇一些框，計算這些框的顏色直方圖。步驟三、計算這些直方圖和直方圖模板之間的距離，與目標最為相似的框即認為是目標在此幀圖像中的位置。步驟四、循環(huán)步驟二和三即可實現(xiàn)實時視頻的目標跟蹤。此方法在框選目標之后對目標建立顏色直方圖模板，而且后續(xù)的算法不對其進行更新，忽略了目標顏色特征在運動過程中的變化。這些變化分為兩部分，一部分是由于目標運動發(fā)生的部分遮擋，另一部分是光照強度的變化，這些變化都有可能導致目標顏色直方圖發(fā)生明顯的變化，以至于當前目標顏色直方圖和初始目標顏色直方圖完全無法匹配從而導致跟蹤算法失效。一個可能的改進方法就是在跟蹤過程中更新顏色直方圖模板，但是此方法存在著一個嚴重的缺陷，因為跟蹤框并不是目標的精確位置和形狀的描述，所以跟蹤框中會存在背景顏色成分，如果每次都更新顏色直方圖模板，很容易在一段時間的自動跟蹤之后把背景和前景混淆起來，導致跟蹤的失敗。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術問題是提供一種基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，避免了跟蹤算法對環(huán)境要求過高、跟蹤不準確的情況發(fā)生。本發(fā)明解決其技術問題所采用的技術方案是提供一種基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，包括以下步驟(I)框選矩形目標，生成預跟蹤目標輪廓，計算顏色直方圖模板；(2)對下一幀圖像的區(qū)域進行分割聚合得到分割區(qū)域，將分割區(qū)域與顏色直方圖模板匹配實現(xiàn)目標跟蹤。所述步驟(I)包括以下子步驟(11)在視頻中采用矩形框選取目標，在矩形框內(nèi)外隨機選擇一些點，采用分水嶺分割算法把圖像分割成一些離散的區(qū)域；
(12)提取出目標輪廓，如果框選目標的矩形框沒有超出目標的部分，則認為區(qū)域中和原始矩形框有交集的那部分區(qū)域為原始目標的近似輪廓；(13)對目標輪廓的各個區(qū)域單獨建立顏色直方圖模板，再根據(jù)顏色直方圖的相互相似度對區(qū)域進行聚合；(14)采用顏色不相近的不規(guī)則區(qū)域完全的表示預跟蹤目標得到目標顏色直方圖模板，目標顏色直方圖模板即是區(qū)域的顏色直方圖的集合。所述步驟(11)中選取的矩形框包含在跟蹤目標內(nèi)部。所述步驟(13)中采用HSL顏色模型結(jié)構來計算顏色直方圖之間的顏色相似度。所述步驟(2)包括以下子步驟(21)對于下一幀圖像根據(jù)目標當前速度信息利用卡爾曼濾波對目標位置和大小進行預測，在預測位置附近選擇一個興趣區(qū)域；(22)對興趣區(qū)域采用分水嶺分割算法進行分割聚合；(23)把分割聚合后的分割區(qū)域和模板區(qū)域集進行匹配，能夠和目標顏色直方圖模板中任一區(qū)域匹配則說明此分割區(qū)域應該是目標在此幀圖像中的一部分，然后對于所有能夠匹配的區(qū)域再一次進行聚合，則得到目標在此幀圖像中的輪廓表示，從而完成跟蹤。所述步驟(23)中采用方程H=(1-Ci)H' + α H"進行匹配，其中，α為消失系數(shù)，H為當前直方圖模板，H'為當前輪廓計算出來的直方圖模板，H"為上一幀的直方圖模板。有益效果由于采用了上 述的技術方案，本發(fā)明與現(xiàn)有技術相比，具有以下的優(yōu)點和積極效果本發(fā)明可以更好地描述兩種顏色的差異，使匹配結(jié)果更加精確，對運動物體的檢測方法上提出使用圖像分割和聚合的方法，對于已知檢測物體，采用分割方法可以接近完整的描述出整個目標的輪廓，跟蹤框不再是一個矩形或者橢圓，而是一個隨目標形狀變化而變化的不規(guī)則平面體，有效地把前景和背景分離開來，從而可以在跟蹤的過程中更新顏色直方圖模板，而不必擔心跟蹤框中有過多的背景成分。經(jīng)試驗驗證，該方法能夠在運動目標大小形狀變化，光照變化等情況下表現(xiàn)出優(yōu)異的跟蹤功能，該算法沒有明顯的提高算法復雜度，所以在實際應用中可以滿足實時性要求。


圖1是本發(fā)明的流程圖；圖2是HSL顏色模型圖。
具體實施例方式下面結(jié)合具體實施例，進一步闡述本發(fā)明。應理解，這些實施例僅用于說明本發(fā)明而不用于限制本發(fā)明的范圍。此外應理解，在閱讀了本發(fā)明講授的內(nèi)容之后，本領域技術人員可以對本發(fā)明作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。本發(fā)明提出一種基于彩色顏色距離和圖像分割聚合的目標跟蹤方法，在直方圖距離(相似性)計算上提出一種新的更接近現(xiàn)實顏色模型的計算方法，這種方法可以更好地描述兩種顏色的差異，使匹配結(jié)果更加精確，對運動物體的檢測方法上提出使用圖像分割和聚合的方法，對于已知檢測物體，采用分割方法可以接近完整的描述出整個目標的輪廓，跟蹤框不再是一個矩形或者橢圓，而是一個隨目標形狀變化而變化的不規(guī)則平面體，有效地把前景和背景分離開來，從而可以在跟蹤的過程中更新顏色直方圖模板，而不必擔心跟蹤框中有過多的背景成分。經(jīng)試驗驗證，該方法能夠在運動目標大小形狀變化，光照變化等情況下表現(xiàn)出優(yōu)異的跟蹤功能，該算法沒有明顯的提高算法復雜度，所以在實際應用中可以滿足實時性要求。如圖1所示，具體步驟如下步驟一、框選矩形目標，生成預跟蹤目標輪廓，計算顏色直方圖模板。Stepl :在實時視頻中用一個矩形框選目標，在矩形框內(nèi)外隨機選擇一些點，采用分水嶺分割算法把圖像分割成一些離散的小的區(qū)域，點的個數(shù)一般保證每一個分割區(qū)域平均50*50像素為宜。取點過于密集會導致圖像過度分割，雖然不會影響最終結(jié)果，但是會降低后面聚合和匹配的效率，取點過于稀疏會導致完全不同的顏色分布區(qū)域被劃分在一起，降低了算法的精準度。值得一提的是，矩形框應該完全包含在跟蹤目標內(nèi)部，這樣可以保證生成的目標輪廓不會包含背景信息。Step2 :提取出目標輪廓。如果框選目標時候的矩形框沒有超出目標的部分，則可以認為分割區(qū)域中和原始矩形框有交集的那部分區(qū)域即使原始目標的近似輪廓。Step3 :分割圖像的聚合。因為點是隨機選取的，所以肯定存在過分割的情況，對Step2中屬于目標輪廓的各個分割區(qū)域單獨建立顏色直方圖模板，再根據(jù)顏色直方圖的相互相似度對這些區(qū)域進行聚合。在計算顏色直方圖相似度的時候有很多方法可以使用，常用的計算方法包括以下幾種！Correlation、Ch1-Square> Bhattacharyya distance。這些方法都是直接利用利用直方圖中相同顏色區(qū)域概率的差值或者相關性函數(shù)來計算，如果因光照條件或者陰影的影響，使得同一種顏色落在相鄰的兩個直方圖區(qū)域中，則可能導致顏色距離計算偏大。本發(fā)明提出的顏色距離計算方法可以更精確的描述兩個直方圖的距離，計算距離時不止和相同直方圖區(qū)域進行差值或者相關性計算，如果相同直方圖區(qū)域的值差距很大，則需要和相鄰顏色區(qū)域進行相關性計算，但是此時需要乘上一個顏色距離加權系數(shù)來降低這種方法可能帶來的誤差。為了能夠找到一種更接近于人眼系統(tǒng)的顏色距離表示方式，對HSL模型進行了研究，最終采用兩種顏色在HSL歸一化模型系統(tǒng)中的真實距離來表示顏色間距離。如圖2所示，HSL模型為一個雙圓錐結(jié)構，從結(jié)構圖中可以看出，純白色和純黑色的距離最遠，這也是符合現(xiàn)實世界中人眼系統(tǒng)的。事實證明，這種直方圖距離計算方式更能夠清晰地描述物理世界模型，更容易克服光照變化帶來的影響。Step4 :建立顏色直方圖模板。St印3的結(jié)果是用一些顏色不相近的不規(guī)則區(qū)域完全的表示預跟蹤目標，目標顏色直方圖模板即是這些區(qū)域的顏色直方圖的集合。步驟二、通過分割、聚合、匹配等步驟完成目標的跟蹤。Stepl :確定跟蹤區(qū)域。對于下一幀圖像，根據(jù)目標當前速度等信息利用卡爾曼濾波對目標位置和大小進行預測，在預測位置附近選擇一個適當?shù)呐d趣區(qū)域，可以大膽假設此幀圖像內(nèi)目標會出現(xiàn)在此興趣區(qū)域。St印2 :對興趣區(qū)域進行分割聚合。類似步驟一中的St印1，在此區(qū)域內(nèi)隨機選擇一些點，同樣采用分水嶺分割算法分割聚合。Step3 :匹配跟蹤過程。把此聚合后的分割區(qū)域和模板區(qū)域集進行匹配，能夠和集合中任一區(qū)域匹配則說明此分割區(qū)域應該是目標在此幀圖像中的一部分，然后對于所有能夠匹配的區(qū)域再一次進行聚合，則得到目標在此幀圖像中的輪廓表示。因為跟蹤的區(qū)域為目標輪廓的完全表示，所以可以更新直方圖模板，而不會導致更新后的模板包含背景的信息。為了防止誤匹配使目標輪廓包含背景顏色信息，可以設置一個α作為消失系數(shù)，當前直方圖模板可以表示為Η=(1-α)Η' +αΗ"，其中，H'為當前輪廓計算出來的直方圖模板，H"為上一巾貞的直方圖模板。Step4 :循 環(huán)執(zhí)行步驟二，可實現(xiàn)目標跟蹤功能，即可實現(xiàn)目標的魯棒性跟蹤。
權利要求
1.一種基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，其特征在于，包括以下步驟 (1)框選矩形目標，生成預跟蹤目標輪廓，計算顏色直方圖模板； (2)對下一幀圖像的區(qū)域進行分割聚合得到分割區(qū)域，將分割區(qū)域與顏色直方圖模板匹配實現(xiàn)目標跟蹤。
2.根據(jù)權利要求1所述的基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，其特征在于，所述步驟(I)包括以下子步驟 (11)在視頻中采用矩形框選取目標，在矩形框內(nèi)外隨機選擇一些點，采用分水嶺分割算法把圖像分割成一些離散的區(qū)域； (12)提取出目標輪廓，如果框選目標的矩形框沒有超出目標的部分，則認為區(qū)域中和原始矩形框有交集的那部分區(qū)域為原始目標的近似輪廓； (13)對目標輪廓的各個區(qū)域單獨建立顏色直方圖模板，再根據(jù)顏色直方圖的相互相似度對區(qū)域進行聚合； (14)采用顏色不相近的不規(guī)則區(qū)域完全的表示預跟蹤目標得到目標顏色直方圖模板，目標顏色直方圖模板即是區(qū)域的顏色直方圖的集合。
3.根據(jù)權利要求2所述的基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，其特征在于，所述步驟(11)中選取的矩形框包含在跟蹤目標內(nèi)部。
4.根據(jù)權利要求2所述的基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，其特征在于，所述步驟(13)中采用HSL顏色模型結(jié)構來計算顏色直方圖之間的顏色相似度。
5.根據(jù)權利要求1所述的基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，其特征在于，所述步驟(2)包括以下子步驟 (21)對于下一幀圖像根據(jù)目標當前速度信息利用卡爾曼濾波對目標位置和大小進行預測，在預測位置附近選擇一個興趣區(qū)域； (22)對興趣區(qū)域采用分水嶺分割算法進行分割聚合； (23)把分割聚合后的分割區(qū)域和模板區(qū)域集進行匹配，能夠和目標顏色直方圖模板中任一區(qū)域匹配則說明此分割區(qū)域應該是目標在此幀圖像中的一部分，然后對于所有能夠匹配的區(qū)域再一次進行聚合，則得到目標在此幀圖像中的輪廓表示，從而完成跟蹤。
6.根據(jù)權利要求5所述的基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，其特征在于，所述步驟(23)中采用方程H=(1-Ci)H' +αΗ"進行匹配，其中，α為消失系數(shù)，H為當前直方圖模板，H'為當前輪廓計算出來的直方圖模板，H"為上一幀的直方圖模板。
全文摘要
本發(fā)明涉及一種基于彩色顏色距離和圖像分科聚合的目標跟蹤方法，包括以下步驟框選矩形目標，生成預跟蹤目標輪廓，計算顏色直方圖模板；對下一幀圖像的區(qū)域進行分割聚合得到分割區(qū)域，將分割區(qū)域與顏色直方圖模板匹配實現(xiàn)目標跟蹤。本發(fā)明避免了跟蹤算法對環(huán)境要求過高、跟蹤不準確的情況發(fā)生。
文檔編號G06T7/40GK103065325SQ20121055968
公開日2013年4月24日 申請日期2012年12月20日 優(yōu)先權日2012年12月20日
發(fā)明者鄒方圓, 谷宇章, 胡珂立, 魏智, 徐小龍, 張 誠 申請人:中國科學院上海微系統(tǒng)與信息技術研究所