一种基于全局搜索的实时分布场目标跟踪方法
【专利摘要】本发明公开了一种基于全局搜索的实时分布场目标跟踪方法，包括以下步骤：1)在第一帧选定的目标图像I手动标记目标的位置；2)当目标图像I的分布场模型经过高斯平滑处理后，目标模型建立，接下来是在下一帧图像中确定待搜索区域并对其进行高斯平滑得到候选区域分布场，然后寻找与目标模型具有最大相关系数的图像块；3)将前后两帧得到的两个目标模型按照一定的学习率ρ融合来更新当前帧的目标模型；4)循环2)和3)，直到整个视频序列结束。本发明采用基于相关系数的全局模板匹配搜索策略，既克服了原始分布场利用梯度下降法容易陷入局部最优值的局限，又避免使用L1距离度量相似性容易受噪声影响的缺点，改进了跟踪性能。
【专利说明】一种基于全局搜索的实时分布场目标跟踪方法
【【技术领域】】
[0001]本发明属于计算机视觉与图像分析领域，具体涉及一种基于全局搜索的实时分布场目标跟踪方法。
【【背景技术】】
[0002]跟踪技术是计算机视觉的一个重要问题，已经广泛应用到视频监控，人机接口、机器人感知、行为理解和动作识别等领域。由于跟踪过程中目标的旋转、变形、遮挡和光照变化等复杂因素的影响，视觉跟踪技术一直是一个值得深入研究的问题[1’2]。
[0003]一般地，跟踪算法主要包括目标表示、搜索策略和模型更新三个方面。其中，目标表示是跟踪算法首先要解决的问题。早期的目标常用一个模板表示，该模板包含目标的亮度、梯度信息或其他特征[3]，但是它对目标的空间结构变化敏感。另一种基于模板的目标表示方法是直方图表示法[4’5]，计算简单，速度快，对目标的形变、姿势变化等不敏感，可以在一定程度上避免漂移。但是，它是一种基于统计的目标表示方法，会丢失一些空间信息。而且，当目标与背景相似度较高时，这些方法表现力下降。2001年，V1late]等人首先将基于Haar-1ike特征的Adaboost算法引入到人脸检测中。由于将积分图像的思想应用到Haar-1ike特征的计算中，极大地提高了特征的获取速度。受此启发，Babenkom等人通过在线多示例学习训练分类器的方法，利用Haar-1ike特征对目标和背景训练一个判别式模型实现了鲁棒地跟踪。Haar-1ike特征计算简单，但对边缘、线段比较敏感，而且只能描述特定走向的特征，比较粗糙。姚志均M提出了一种新的空间直方图相似性度量，将空间直方图中的每个区间 的空间分布看作为一个高斯分布，用JSD (Jensen-Shannon Divergence)和直方图相交法分别度量空间分布和颜色直方图中的相似性，并将其应用到粒子滤波跟踪算法中，改进跟踪结果。
[0004]最近,LauraSevilla_Lara[9]等采用了一种新颖的分布场(Distribut1n Fields,简称DF)目标表示方法，并将其引入到目标跟踪领域。该方法首先通过对图像自然分层，保留原始图像的基本信息，通过对图像各层以及层间进行高斯平滑后，在目标表示中引入了 “模糊性”，在一定程度上克服了形变和光照等变化的影响。然而，在搜索策略上，原始分布场按照梯度下降法搜索，当出现极小值的时候停止搜索，部分降低运算量。但是对于目标函数是非凸的，梯度下降法在具体跟踪过程中只是根据上一帧检测得到目标的最大响应位置，在当前帧中从此位置开始在有限的区域内计算LI范数搜索目标，这样对于目标运动相对比较快的情况下，在有限区域搜索易于陷入局部最优解，限制了跟踪效果。
[0005]参考文献:
[0006][I] Yilmaz A, Javed 0，ShahHAH M.0bject Tracking:a Survey [J], ACM ComputingSurveys (CSUR)，2006，38 (4): 13.[0007][2] Yang Han-xuan, Zheng Feng, Wang Liang, et al.Recent advances and trends invisual tracking:A review[J].Neurocomputing.2011，74(18):3823-3831.[0008][3]Baker S，Matthews 1.Lucas-Kanade20years on:A unifying framework [J].Internat1nal Journal of Computer Vis1n, 2004, 56(3): 221-255.[0009][4] Col I ins R T, Mean-shift blob tracking through scale space [C] //Proc of IEEE Computer Society Conference on Computer Vis1n and PatternRecognit1n, Madison:1EEE Press, 2003, 2:11-234-40.[0010][5] Ning J1-feng, Zhang Lei, Zhang David, et al.Robust Mean ShiftTracking with Corrected Background-Weighted Histogram[J],IET ComputerVis1n.2012, 6(1):62-69.[0011][6]V1la P, Jones M, Rapid object detect1n using a boosted cascade ofsimple features[C]//Proc of IEEE Conference on Computer Vis1n and PatternRecognit1n, Hawai1:1EEE Press2001, 1:511-518.[0012][7]Babenko B, Yang M, Belongie S, Robust Object Tracking with Online MultipleInstance Learning [J], IEEE Transact1n on Pattern Analysis and Machine Intelligence, 2011，33(8):1619-1632.[0013][8]姚志均.一种新的空间直方图相似性度量方法及其在目标跟踪中的应用[J].电子与信息学报，2013，35 (7): 1644-1649.[0014][9]Laura S L,Erik L M, Distribut1n fields for tracking[C]//Proc ofIEEE Conference on Computer Vis1n and Pattern Recognit1n.Providence:1EEEPress, 2012:1910-1917.【
【发明内容】
】
[0015]本发明的目的在于针对视频目标跟踪中存在目标被部分遮挡、旋转、缩放、光照变化、运动模糊、复杂背景等困难和挑战，提供了一种基于全局搜索的实时分布场目标跟踪方法，以适应目标外观模型的变化。
[0016]为达到上述的目的是，本发明通过如下技术方案实现的:
[0017]一种基于全局搜索的实时分布场目标跟踪方法，包括以下步骤:
[0018]I)在第一帧选定的目标图像I手动标记目标位置，即以一个矩形框划定目标区域，标记出矩形框的左上角坐标及矩形框的宽、高，然后对划定目标区域用分布场模型表示，分布场模型的构建如下:
[0019]利用Kronecker delta函数把目标图像I用一个分布场模型表示，得到目标图像I的分布场模型df(i，j, k)，其公式如下所示:
【权利要求】
1.一种基于全局搜索的实时分布场目标跟踪方法，其特征在于，包括以下步骤:1)在第一帧选定的目标图像I手动标记目标位置，即以一个矩形框划定目标区域，标记出矩形框的左上角坐标及矩形框的宽、高，然后对划定目标区域用分布场模型表示，分布场模型的构建如下: 利用Kronecker delta函数把目标图像I用一个分布场模型表示，得到目标图像I的分布场模型df(i，j, k)，其公式如下所示:
2.根据权利要求1所述的一种基于全局搜索的实时分布场目标跟踪方法，其特征在于，学习率P设为0.9。
【文档编号】G06T7/20GK104036528SQ201410298728
【公开日】2014年9月10日 申请日期:2014年6月26日 优先权日:2014年6月26日
【发明者】宁纪锋, 叱干鹏飞, 石武祯 申请人:西北农林科技大学