基于雙邊濾波的可變核函數(shù)目標跟蹤方法
【專利說明】
[0001]
技術(shù)領(lǐng)域：本發(fā)明涉及一種在智能手機上實現(xiàn)基于雙邊濾波的輪廓提取的 Mean-Shift可變核函數(shù)的智能車目標跟蹤方法，即基于雙邊濾波的可變核函數(shù)目標跟蹤方 法。
[0002]
【背景技術(shù)】：核函數(shù)作為一種基于核密度估計的無參數(shù)快速模式匹配算法，其帶寬 既影響像素的權(quán)值又反映了目標的大小和形狀，因此帶寬大小在Mean-Shift算法中起著 很重要作用。現(xiàn)在的智能車目標跟蹤系統(tǒng)的Mean-Shift算法大都是核函數(shù)的帶寬在第一 幀的時候確定后整個跟蹤過程保持不變。然而，當目標存在明顯變化的時候，固定不變的核 函數(shù)往往會導致目標丟失。并且現(xiàn)有的一些Mean-Shift算法通常只考慮顏色特征的提取， 具有一定的局限性。

【發(fā)明內(nèi)容】
：
[0003] 發(fā)明目的：本發(fā)明提供一種在智能手機上實現(xiàn)基于雙邊濾波的輪廓提取的 Mean-Shift可變核函數(shù)的智能車目標跟蹤方法，即基于雙邊濾波的可變核函數(shù)目標跟蹤方 法，其目的是解決傳統(tǒng)算法所存在的當目標存在明顯變化的時候，固定不變的核函數(shù)往往 會導致目標丟失的問題和無法的在普通手機上實現(xiàn)的問題；而且把物體輪廓、RGB顏色和 Mean-Shift算法有機的結(jié)合在一起，既提高跟蹤的準確度又提高了跟蹤速度。
[0004] 技術(shù)方案：本發(fā)明是通過圖1所示技術(shù)方案來實現(xiàn)的：
[0005] 一種基于雙邊濾波的可變核函數(shù)目標跟蹤方法，其特征在于：該方法的步驟如 下：
[0006] 雙邊濾波提取輪廓的過程：
[0007] 第一步：將原始圖像f與改進圖像的雙邊濾波器進行卷積運算，得出平滑后的圖 像。算法如下：
【主權(quán)項】
1. 一種基于雙邊濾波的可變核函數(shù)目標跟蹤方法，其特征在于：該方法的步驟如下： 雙邊濾波提取輪廓的過程： 第一步：將原始圖像f與改進圖像的雙邊濾波器進行卷積運算，得出平滑后的圖像；算 法如下：
第二步：用一階偏導的有限差分計算物體邊緣梯度的幅值和方向； 第三步：對梯度幅值進行非極大值抑制； 第四步：用改進的自適應門選取法確定高門限，并計算門限； 第五步：檢測和連接邊緣； 窗寬的確定方法： 目標邊緣檢測到后，即可確定出Mean-Shift跟蹤窗寬；目標邊緣區(qū)域內(nèi)有η個像素點， 用IxJ1I來表示橫坐標，用{7丄.1來表示縱坐標；設(shè)（Xi， yi)屬于R區(qū)域內(nèi)的像素點的坐 標，則核函數(shù)k(Xi，yi)表示為該區(qū)域的大?。缓撕瘮?shù)可取為：
(2) 是判斷點（Xi, y)是否 屬于R區(qū)域內(nèi)； 判斷某個點（Xi，yi)是否屬于R區(qū)域，使用的方法是從待判斷的點向某一個方向引射 線，計算和多邊形交點的個數(shù)，如果個數(shù)是偶數(shù)或者零，則點在多邊形外；如果是奇數(shù)，則在 多邊形內(nèi)； 當?shù)谝粠臅r候提前記錄下目標物體的顏色直方圖，以后每一幀當跟蹤到物體的時 候，再一次提取物體的顏色直方圖，然后再把兩個直方圖匹配；當相識度達到一個閾值時， 確定這個目標，不然重新跟蹤。
2. 根據(jù)權(quán)利要求1所述的基于雙邊濾波的可變核函數(shù)目標跟蹤方法，其特征在于： 跟蹤方式為基于Mean-Shift算法的目標跟蹤，具體為：在一個視頻序列中，均值平移 算法在基于Bhattacharyya系數(shù)的情況下，有效地在目標候選點位置中發(fā)現(xiàn)被跟蹤物體的 正確位置； 顏色特征空間的引入：本方法假設(shè)目標的顏色分布量化為m維，由原來的每個顏色分 量的256個灰度級量化為m個灰度級，即定義函數(shù)b (X) :R2- {L···!!!}是位置X的像素的函 數(shù)，直方圖的索引b(x)與該點的顏色相對應； 模型建立：我們假定滿足兩個條件：1)在目標初始幀中已檢測且定位出目標；2)目標 的顏色特征不會突然發(fā)生顯著變化； 目標模型的建立：{Xi] i = 1...m表示目標模型的像素坐標，其中心坐標為〇,則目標的核直
(3) 式中：k是目標的核函數(shù)；δ是Konekes delta函數(shù)；函數(shù)b是位于x的像素向顏色索 引的映像；C為歸一化常量，可以根據(jù)條件Σ qn= 1導出；于是，可以得到：
(4) 候選目標模型：假設(shè)IxJi = LiS當前圖像幀中候選目標的像素位置，其中心位置y在 窗寬h中運用同樣的內(nèi)核函數(shù)k，則候選目標的核直方圖定義：
由于像素的位置X和y是給定核窗口區(qū)域內(nèi)的像素點，則C可以由一個給定的內(nèi)核和 不同的窗寬h值預先計算得到； 目標的相似性度量系數(shù)：假設(shè)目標模型的顏色核直方圖是4 = 丨_,,+.";在當前幀中， 中心在候選目標的核直方圖為/(V)= IaOOLh...,,;在當前幀中找到目標位置的任務就是 找到候選目標的核直方圖與目標模型的核直方圖最相似的候選目標位置y;在這里，目 標模型的核直方圖和候選目標的核直方圖的相似性可以用Bhattacharyya系數(shù)來度量； Bhattacharyya系數(shù)的定義為：
當i<y)達到其最大值的時候，這候選目標可以認為就是被跟蹤目標。
3.根據(jù)權(quán)利要求2所述的基于雙邊濾波的可變核函數(shù)目標跟蹤方法，其特征在于： Mean-Shift跟蹤算法： 式（6)在Pu(K)點泰勒展開可得：
對式（8)可以利用Mean-Shift算法進行最優(yōu)化，為了實現(xiàn)目標跟蹤，必須把式（8)最 大化，而第一項與位置y無關(guān)，第二項表示候選目標在位置y處的密度估計和目標模式的相 似性，用式（9)中的權(quán)值對數(shù)據(jù)加權(quán)；假定目標模型的分布為^ = ，目標在當前幀 的被估計位置為y，則Mean-Shift跟蹤算法過程如下： 1) 初始化當前幀目標的位置為Ycl; 2) 用雙邊濾波檢測的方法提取被跟蹤目標的輪廓； 3) 計算分布j>(y。）= 和估計對舛凡)，幻； 4) 根據(jù)式（9)，計算權(quán)值{wi} I = 1···η ; 5) 根據(jù)均值平移矢量計算新的候選目標位置y ;公式如下：
6) 當 Ρ[β(>?] < pi^yAci]，令 y- (y〇+y)/2; 7) 如果I ly-y」|〈ε，停止循環(huán)；否則，令y(l-y，返回第1)步；最終循環(huán)停止時，y就 是被跟蹤目標的新位置； 8) 然后再對位于y位置的被跟蹤目標進行雙邊濾波檢測的方法提取被跟蹤目標的新 的輪廓，作為下一幀的被跟蹤目標的區(qū)域； 整個目標跟蹤的過程就是把上述的算法過程應用到視頻序列的每一幀上，根據(jù) Bhattacharyya系數(shù)，找到被跟蹤目標的位置，再周而復始。
【專利摘要】本發(fā)明提供一種基于雙邊濾波的可變核函數(shù)目標跟蹤方法，該方法包括：雙邊濾波提取輪廓、窗寬的確定、基于Mean-Shift算法的目標跟蹤、顏色特征空間的引入、模型建立和目標的相似性度量系數(shù)等，本方法的具體優(yōu)點如下：1、核函數(shù)的帶寬不斷改變，根據(jù)每一幀的目標物體的輪廓大小改變核帶寬。2、克服了只考慮顏色特征提取的局限性，在提高目標跟蹤的準確度的同時又提高了跟蹤速度。3、在android系統(tǒng)設(shè)計智能車目標跟蹤系統(tǒng)。4、在普通的手機上就可以實現(xiàn)這套系統(tǒng)。
【IPC分類】G06T7-20
【公開號】CN104680553
【申請?zhí)枴緾N201410697092
【發(fā)明人】賈丹平, 張立峰, 王大力, 李春華
【申請人】沈陽工業(yè)大學
【公開日】2015年6月3日
【申請日】2014年11月26日