专利名称：一种复杂场景下的运动目标跟踪方法
技术领域：
本发明涉及一种图像处理领域的目标跟踪方法，尤其涉及一种复杂场景下的运动 目标跟踪方法。
背景技术：
目标跟踪技术的研究和应用是计算机视觉的一个重要分支，广泛应用于导弹制 导、交通路口监控、航空航天、安防监控、体育竞技等领域。目标跟踪的主要任务是从视频流 中提取特征信息，其中包括位置、形状大小、轮廓或者颜色等信息，依据这些信息完成目标 跟踪的过程。目前常用的运动目标跟踪方法主要分为三类基于运动分析的方法，基于图像特 征匹配的方法，基于颜色特征分布的方法。基于运动分析的方法如帧间差分法、光流法等方法，帧间差分法主要是利用相邻 帧间像素的变化情况来检测运动目标，但是此类算法方法简单、对光线变化比较敏感，抗干 扰能力差；光流法是通过计算像素点的运动矢量来实现跟踪过程，但是此类方法的算法时 间复杂度较大，难以适应复杂场景下的运动目标的实时跟踪。基于图像特征匹配的方法如Moravec提出的利用图像灰度自相关函数的特征点 检测算子，Kass等人提出的Snake主动轮廓模型的模型匹配方法，此类方法算法复杂度大， 且对目标遮挡、变形等适应性不够理想。基于颜色特征分布的方法如Camshit算法是一种基于颜色空间目标跟踪算法， 较好地解决了光照强度对跟踪的影响，对目标的平移、转动以及遮挡等不敏感性。但是在某 些复杂场景下，尤其是在背景颜色和目标颜色相似时会出现跟踪效果不够理想的情况，甚 至导致跟踪目标的丢失。如何在复杂场景下的视频序列中对指定目标进行稳健、有效且实时的跟踪一直是 目标跟踪的研究重点。
发明内容
鉴于此种情况，本发明的目的是提供一种复杂场景下的运动目标跟踪方法，可以 较好地解决复杂场景下的运动物体动态跟踪的问题，
为达到上述目的，本发明的构思是对初始视频图像指定的目标区域内统计目标区域 H分量背景加权直方图，在跟踪的过程中对当前帧图像建立自适应背景的更新颜色概率分 布图，并利用Camshift算法迭代并求出质心位置。这样可以实时地更新目标搜索区域内的 颜色是目标的概率，从而达到较小背景颜色对目标跟踪的影响。同时采用贪心预测法对目 标运动做运动预测，增强了跟踪的准确性和鲁棒性。根据上述发明构思，本发明采用下述技术方案
一种复杂场景下的运动目标跟踪方法，其特征在于操作步骤如下 (1)建立目标区域H分量背景加权直方图在初始视频图像中指定的目标所在的区域图像，进行RGB颜色空间转换到HSV颜色空 间，通过对目标矩形框中的像素距离中心的长度实现加权，计算出H分量加权直方图，将此 H分量背景加权直方图作为参考模型存储起来作为查找表。该查找表是表示目标的颜色信 息，直接影响目标跟踪的准确性。(2)建立自适应背景的更新颜色概率分布图
对当前帧视频图像中目标区域进行分析，并利用Bayes公式对当前颜色直方图的H分 量与上述步骤(1)中的H分量背景加权直方图查找表做运算，求得所对应的H分量颜色是 目标的概率，并建立矩形区域的更新颜色概率分布图。(3)利用Camshift跟踪算法迭代求出质心位置
对于搜索区域内的更新颜色概率分布图，利用Camshift算法计算出搜索区域内更新 颜色概率分布图的质心。重复上述步骤(2)至步骤(3)，直到质心位置收敛为止。 (4)采用贪心预测法对目标做运动预测
采用贪心预测法来对目标做运动预测，在视频处理的相邻两帧间的运动时间较短，目 标的运动状态变化不大，即目标速度变化较小，贪心预测法假定运动目标在相邻两帧做勻 速运动预测目标坐标，再通过与目标实际位置做参考计算误差并作为补偿，预测得到下一 帧目标的坐标位置。所述步骤(1)中建立目标区域H分量背景加权直方图，具体步骤如下
①颜色空间转换对摄像机采集到的视频序列中初始化指定搜索窗口进行RGB颜色 空间转化到HSV颜色空间，这样可以减小光照亮度对目标跟踪的影响。H参数表示色彩信 息，即所处的光谱颜色的位置。该参数用一角度量来表示，红、绿、蓝分别相隔120度。互补 色分别相差180度。②统计H分量的背景加权直方图在采用矩形框指定初始目标时通常会包含部 分背景颜色。采用加权背景直方图的方法，赋予背景颜色较小的权值，可以降低背景颜色对 目标跟踪的影响。由于背景颜色大多在矩形框的边缘，假设矩形区域内的每个点都被赋予 一个权值，权值的大小取决于距离中心点的远近，用高斯核函数来调节。H分量加权背景直 方图的数学描述计算公式如公式(1)
权利要求
1.一种复杂场景下的运动目标跟踪方法，其特征在于操作步骤如下(1)建立目标区域H分量背景加权直方图对初始视频图像中的目标区域矩形框内的 图像进行RGB颜色空间转换到HSV颜色空间；通过对目标矩形框中的像素距离中心的长度 实现加权，计算出H分量的背景加权直方图，将此H分量背景加权直方图作为参考模型存储 起来作为查找表；(2)建立自适应背景的更新颜色概率分布图对当前帧视频图像中目标区域进行分析， 并利用Bayes公式对当前颜色直方图的H分量与上述步骤(1)中的H分量背景加权直方图 查找表做运算，求得所对应的H分量颜色是目标的概率，并建立矩形区域的更新颜色概率 分布图；(3)利用Camshift跟踪算法迭代求出质心位置对于搜索区域内的更新颜色概率分布 图，利用Camshift算法计算出搜索区域内更新颜色概率分布图的质心；重复上述步骤(2) 至步骤(3)，直到质心位置收敛为止；(4)采用贪心预测法对目标做运动预测贪心预测法假定运动目标在相邻两帧做勻速 运动预测目标坐标，再通过与目标实际位置做参考计算误差并作为补偿，预测得到下一帧 目标的坐标位置；(5)将上述步骤(4)中预测的坐标位置作为下一帧的目标区域跟踪框中心，循环上述步 骤(2)至步骤(4)实现对运动目标的跟踪。
2.根据权利要求1所述的复杂场景下的运动目标跟踪方法，其特征在于，所述步骤(1) 中的建立目标区域H分量背景加权直方图具体步骤是①对摄像机采集到的视频序列中的初始化矩形搜索窗口即指定目标物体所在的位置 和区域内，将RGB颜色空间转化到HSV颜色空间；②采用加权背景直方图的方法，降低背景颜色对目标跟踪的影响；由于背景颜色大多 在矩形框的边缘，假设矩形区域内的每个点都被赋予一个权值，权值的大小取决于距离中 心点的远近，用高斯核函数来调节；加权背景直方图的数学描述计算公式如公式(1)h O-x^ = CZ ^ll ^rii H2 ^tX)-"]' ,,(ι)UihU = 1,2........,m其中u为H分量中某个颜色级的索引，力H分量是u的颜色是目标的概率，J是Delta函数，C是归一化常数，使得Σ t = 1，Xi表示矩形区域内的像素点，0表示目标矩形区域中心点(0X，Oy) τ，h表示矩形框的半径，b (Xi)表示目标区域矩形框中的像素点对 应H分量的颜色级索引；K(X)为核函数，选用一个在零点中间凸起的单调递减轮廓函数作 为像素到目标中心位置的权值，并对所述区域建立H分量背景加权直方图；将此H分量背景 加权直方图作为参考模型的参考表存储起来。
3.根据权利要求1所述的复杂场景下的运动目标跟踪方法，其特征在于，所述步骤(2) 中的建立自适应背景颜色概率分布图具体步骤是对每次搜索框的不同颜色特征重新计算 目标颜色的概率；采用Bayes公式(2)来表示搜索框中的目标颜色的概率密度…州 P(ClO) P(O)P(0\C)= 1 ；(2)其中P (OlC)为颜色为C的像素代表目标0的概率；P (ClO)是跟踪目标0中颜色为C 的H分量的颜色概率；P(0)、P(C)分别表示目标占整个搜索区域面积的先验概率和整个搜 索区域内颜色为C的概率；上式中的分母可以表示为公式(3)
4. 根据权利要求1所述的复杂场景下的运动目标跟踪方法，其特征在于，所述步骤 (3)中的利用Camshift跟踪算法迭代求出质心位置具体步骤是对自适应背景的更新颜色 概率分布图利用Camshift算法计算出搜索框的更新颜色概率分布图的质心位置；其构造 质心计算公式如(4) (6)式
5.根据权利要求1所述的复杂场景下的运动目标跟踪方法，其特征在于，所述步骤(4) 中采用贪心预测法对目标做运动预测具体步骤如下利用贪心预测算法来做运动估计；由 于视频处理的相邻两帧时间很短，目标的运动状态和速度变化较小，贪心预测算法是首先 假定运动目标在相邻两帧做勻速运动预测目标坐标，再与通过目标实际位置做参考计算误 差并作为补偿，作为下一帧预测的位置的修正；贪心预测算法的步骤如下①.选取相邻三帧的目标的实际坐标(x-2，y_2)，(x+y-)，(χο，。，其中(Xo，y。)为当前 帧，(χ+ 为前一帧，(x_2，y_2)为前两帧；②.计算当前帧与上一帧的差值ΔX=X0-X^1, Δ Y=Y0-Y^1 ；③.计算误差补偿P(χ) = (χ0-χ0')+ (χο+χ^^χ^), ρ (y) = (y0-y0') + ( 70+7^-27^)；其 中(X(l’，V)是当前帧的预测坐标；误差由两部分组成，前部分是做预测值和实际值的误差 修正，后部分是作为勻变速运动在相邻时间内的相同的变化量的修正；④.预测下一帧图像中的目标位置的坐标，并将此坐标作为下一帧图像的搜索框的质^、^1-=X0+Δ χ+ρ (χ), yi'=y0+Ay+p (y)将坐标点依次向前推进一帧，循环上述步骤①至步骤④；这样就可以简单且相对准确 地预测目标所在的位置。
全文摘要
本发明涉及一种复杂场景下的运动目标跟踪方法。本方法包括对初始指定的图像区域采用H分量背景加权的方法统计直方图；在跟踪过程中对视频流的每帧图像利用贝叶斯公式建立自适应背景的更新颜色概率分布图，实时地更新搜索区域内的目标颜色概率，对适应背景的更的颜色概率分布图利用Camshift算法迭代出质心位置；跟踪过程中采用贪心预测法做运动预测，并不断重复上述跟踪步骤。本发明的方法能够解决在复杂场景下运动目标跟踪不够理想的问题，具有较好的准确性和鲁棒性。
文档编号G06T7/20GK102110296SQ20111004378
公开日2011年6月29日 申请日期2011年2月24日 优先权日2011年2月24日
发明者徐元玉, 李恒宇, 李超, 汪东, 缪金松, 谢少荣, 郭其明 申请人:上海大学