基于纹理特征的暗环境视频目标实时跟踪方法
【专利摘要】本发明公开了一种基于纹理特征的暗环境视频目标实时跟踪方法。以多尺度矩形滤波器作为信号采样矩阵，以稀疏随机高斯矩阵作为压缩感知矩阵，借助向量积分图算法可快速提取样本特征；向量积分图步骤采用裁剪模版方法有效减少冗余计算。本发明利用旋转不变模式ULBP算子提取特征，适用于黑夜、井下光照条件差，目标可能发生旋转、形变的目标跟踪，识别率高，为目标跟踪提供了可靠的结果。
【专利说明】基于纹理特征的暗环境视频目标实时跟踪方法
【技术领域】
[0001] 本发明涉及一种基于纹理特征的暗环境视频目标实时跟踪方法，属于图像模式识 别【技术领域】。
【背景技术】
[0002] 计算机视觉目标跟踪领域普遍采用检测式跟踪架构，该架构通过生成少量的正负 样本在线训练分类器，将跟踪任务转化为检测任务。这是因为目标检测领域取得了重大进 展，分类器技术也被大量研究并不断取得进步，有效保证了跟踪的成功率。检测任务需要 对采集到的样本进行特征提取，以反映样本的特点，便能够进行样本分类和判别，传统的特 征提取方法需要依赖经验进行构造，K. H. Zhang等提出一种基于压缩感知的特征提取方法 (Compressive Tracking)，通过将广义Haar特征与一系列多尺度滤波器卷积以保证特征 的多尺度性质，再利用随机稀疏高斯矩阵对特征进行降维以保证跟踪的实时效果。但广义 Haar特征存在对光照亮度、目标旋转敏感的特性，本发明使用旋转不变模式ULBP算子改进 特征提取的流程，在保证实时性和稳定性的基础上，令目标跟踪算法能够适应低照度、目标 旋转、光照变化等各类容易引起目标丢失的场景。
【发明内容】
[0003] 为了克服现有跟踪算法不能处理极端照度场景中目标跟踪的问题。本发明提出了 一种适合井下、夜间等特殊环境的基于纹理特征的目标实时跟踪方法，该方法利用旋转不 变模式ULBP算子进行纹理特征提取，使提取后的特征包含了丰富的样本的纹理信息，利用 纹理信息对光照不敏感的特性，使跟踪系统能够在昏暗环境中达到较高跟踪成功率。
[0004] 本发明公开了一种基于纹理特征的暗环境视频目标实时跟踪方法，包括初始化阶 段和目标跟踪阶段，所述初始化阶段包括以下步骤：
[0005] 1)在初始化时计算稀疏采样矩阵Θ :
[0006] a)计算信号采样矩阵Φ ;
[0007] b)计算稀疏感知矩阵Ψ ;
[0008] c)计算稀疏采样矩阵Θ，其中Θ = Ψ · Φ ;
[0009] 2)创建一个由50个贝叶斯分类器级联而成的二分类朴素贝叶斯分类器H(x)， 每一个弱分类器hjx。）都是基于表示正标签y = 0和负标签y = 1的两个正态分布 Pixc
【权利要求】
1. 一种基于纹理特征的暗环境视频目标实时跟踪方法，其特征在于，包括初始化阶段 和目标跟踪阶段，所述初始化阶段包括以下步骤： 1) 在初始化时，计算稀疏采样矩阵Θ: a) 计算信号采样矩阵Φ; b) 计算稀疏感知矩阵Ψ; c) 计算稀疏采样矩阵Θ，其中Θ=Ψ·Φ; 2) 创建一个由50个贝叶斯分类器级联而成的二分类朴素贝叶斯分类器H(X)， 每一个弱分类器匕〇〇都是基于表示正标签y= 1和负标签y= 0的两个正态分布 P(Xcly)^y/?^σ6 ，其中（μΜ，％,。）表示标签为y的第C维特征对应的弱分类器 的正态判别曲线的参数值； 所述目标跟踪阶段包括以下步骤： 1) 对视频的第k帧进行目标探测 a) 以第k-Ι帧跟踪到的目标CV1为中心进行候选样本采集，在第k帧内采集到nv个欧 氏距离满足Zy =卩I0 <11z-OmIPSr；}的候选样本； b) 计算包含全部候选样本的最小矩形区域Uz(zezv)，对该矩形区域图像片依次进行 灰度化、旋转不变模式ULBP编码、向量积分，最终得到向量积分图I; c) 以稀疏采样矩阵〇中的非零元素的对角线为标尺，用对角线减法从向量积分图I中 提取每个候选样本的压缩编码特征值z-x(zeZv); d) 将各个候选样本的压缩编码特征值&输入第k-1帧训练好的朴素贝叶斯分类器，对 每个候选样本的特征进行分类，并计算分类得分4 -1) = -D，分类得分最大 C=I 的&对应的第r个样本即是第k帧跟踪到的目标Ok ; 2) 第k帧的分类器更新 a) 以第k帧跟踪到的目标Ok为中心进行正负样本采集，在第k帧内采集到Ii1个欧氏 距离满足Z1 =Iz|0 <I|Z-〇k|I12Sr1I的正样本，在第k帧内采集到Iitl个欧氏距离满足 z0 ={zIsllSr。+}的负样本； b) 计算包含全部正负样本的最小矩形区域Uz(zeZlUzQ)，对该矩形区域图像片依次进 行灰度化、旋转不变模式ULBP编码、向量积分，最终得到向量积分图I; c) 以稀疏采样矩阵〇中的非零元素的对角线为标尺，用对角线减法从向量积分图I中 提取每个正负样本的压缩编码特征值z-x(zeZ1Uztl); d) 对分类器进行更新 \σ'γ,α^ [(1 _ +^Xy,c+ ^(1 ~ c ~ EXy,cf f2 其中=丄分别是为正样本（y=D和负样 nyr=lγr~ 本（y= 〇)的均值和方差。
2. 根据权利要求1所述的一种基于纹理特征的暗环境视频目标实时跟踪方法，其特征 在于，所述目标跟踪阶段由灰度图IgMy到均匀模式ULBP编码图Ikimp编码方法为： 1)待处理像素点作为中心像素点，其灰度值gci与距离为R的P个像素点gierp的灰 度值的差值进行二值化，并连接成一个P位的二进制数，该二进制数中〇?1或1?〇的跳 变次数U若不大于2,则以元素1的个数，作为该待处理像素点的均匀模式ULBP编码，其中
3. 根据权利要求1所述的一种基于纹理特征的暗环境视频目标实时跟踪方法，其特征 在于，所述目标跟踪阶段由均匀模式ULBP编码图Ikimp到向量积分图I的积分方法包括以 下步骤： 1) 直方图统计，构造对应〇?8的9维直方图统计各个编码出现次数； 2) 纵向累加，其步骤为 a) 对H进行按列展平，展平后得到一维列向量V。； b) 对V。进行累加，得到的累加一维列向量满足⑵=+# ; c) 对V2c进行按列折断，得到与H大小相等的图像，计为Hi ; 3) 横向累加，其步骤为 a) 对Hi进行按行展平，展平后得到一维行向量Vk ; b) 对Vk进行累加，得到的累加一维列向量满足〇 ° ; c) 对νΣΚ进行按列折断，得到与H大小相等的图像，计为Hii ; Hii即为处理后的图像I，H内任意子矩阵的统计直方图均可由Hii进行对角线减法求 得。
【文档编号】G06K9/62GK104463192SQ201410610358
【公开日】2015年3月25日 申请日期:2014年11月4日 优先权日:2014年11月4日
【发明者】孙继平, 杜东璧 申请人:中国矿业大学(北京)