用循环矩阵滤波。循环矩阵的结构如下：
[0044] 该矩阵与向量x = [x^ x2, x3, L，xn_i，xn]T的左乘相当于向量x循环右移移位，即：
[0045] Px = [xn，X" x2, L，xn_2, xn_JT， (5)
[0046] x所有移位循环组成了循环矩阵X，
[0048] 其中 u = 0, L，n_l。
[0049] 循环结构的矩阵意味着可以采用向量卷积的方式进行运算，循环矩阵C(x)与向 量v的乘积C(x)v与向量卷积\@￥的结果是相同的，而计算卷积的常用方法是傅里叶变换 法，即将时域卷积变换成频域乘积，再通过傅里叶反变换可求出时域卷积结果。
[0050] 如果核函数k是单一不变核，其核矩阵K具有循环结构，其中K的元素为Kij = k(PS^Pi)。该定理将核矩阵和循环矩阵联系在一起。在核函数的运算中就可以采用快速 傅里叶变换计算循环矩阵。
[0051] 对公式（2)和（3)运用快速傅里叶变换计算，得到分类器的训练方程：
[0053] 首先，用稠密采样的样本按照式（7)进行训练求得a。然后，用循环结构采用式 (8)计算所有样本与模板间的置信图，置信值最大的位置即为目标跟踪位置。
[0055] 其中采样高斯核函数为：
[0057] 2基于局部敏感特性的光照不变特征
[0058] 由于颜色直方图丢失空间信息，基于片段的跟踪把目标分成几个区域，每一区域 用局部直方图表示，局部直方图记录了图像像素邻域的统计信息，被证明在目标跟踪中是 有效的。在局部直方图中，在局部邻域中的像素有同等的贡献。然而，对目标跟踪，远离目 标中心的像素应赋予的权值小，由于这些像素更可能包含背景信息或遮挡物体信息。因此， 它对直方图的贡献应降低。局部敏感直方图算法可用来解决这个问题，在像素P点，局部敏 感直方图可表示为：
[0060] 其中a G (〇，1)是控制降低权重的参数，当一像素远离目标中心时其值下降。w 是像素的总个数，B是灰度级的总数，Q(Iq，b)的值是1当灰度值I q属于灰度级b时，否则 为0〇
[0061] 为了克服光照变化的影响，在局部敏感直方图的基础上提出了一种新的方法来提 取稠密光照不变特征。
[0063] 其中k是常数=0? 1，rp可由kl p近似表示，15表示像素p的灰度值，b 5表示相对 应的像素P的灰度值的灰度级。
[0064] 首先计算图像的局部敏感直方图，然后根据式（11)提取光照不变特征，最后将光 照不变特征作为核循环矩阵跟踪算法的输入，实现光照不变特征和核循环矩阵跟踪中所用 特征的结合，得到了更优的特征。因此基于局部敏感直方图的核循环矩阵跟踪具备处理光 照变化剧烈情况下对目标稳定跟踪的能力。
[0065] 算法流程如下：
[0066] ①初始化跟踪目标，用帧差法检测目标，为消除边界不连续影响，用余弦窗对目标 进行预处理，然后，根据式（10)计算图像的归一化局部敏感直方图，再根据式（11)计算光 照不变特征，生成初始模板，根据式（6)计算每个像素的权重 a。
[0067] ②读取新一帧图像，根据式（10)计算图像的归一化局部敏感直方图，再根据式 (11)计算光照不变特征，根据式（8)计算在当前帧采样与模板间的置信图，找到响应最大 的位置，即为跟踪目标位置。
[0068] ③在新的位置根据式（7)重新训练a，由插值因子生成目标模板和新的a。
[0069] ④转到②处对下一帧进行处理。直到处理完所有的帧结束。
[0070] 需要说明的是，在本申请中，诸如第一和第二等之类的关系术语仅仅用来将一个 实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间 存在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在 涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些 要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设 备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排 除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0071] 本领域普通技术人员可以理解实现上述方法实施方式中的全部或部分步骤是可 以通过程序来指令相关的硬件来完成，所述的程序可以存储于计算机可读取存储介质中， 这里所称得的存储介质，如：R0M/RAM、磁碟、光盘等。
[0072] 以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在 本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围 内。
【主权项】
1. 一种基于计算机视觉的物流仓储监控方法，其特征在于： 获取物流仓储监控图像中的多个视频帖； 建立局部敏感直方图计算公式K，B，计算监控图像的 归一化局部敏感直方图，其中aG(〇，1)是控制降低权重的参数，当一像素远离目标中屯、 时其值下降，W是像素的总个数，B是灰度级的总数，Q(I。，b)的值是1当灰度值I。属于灰 度级b时，否则为0 ; 利用公式计算视频图像的光照不变特征，生成初始 模板，其中k是常数=0.Ijp由klP近似表示，IP表示像素P的灰度值，bp表示相对应的像 素P的灰度值的灰度级； 构建循环矩阵，计算监控图像上每个像素的权重a; 计算新获取的图像帖与初始模板之间的置信图，将置信图上响应最大的位置确定为跟 踪目标位置； 在新的位置根据公式重新训练a，由插值因子生成目标模板和新的 a; 利用新生成的目标模板和新的a循环查找剩余图像帖上的跟踪目标。2. 根据权利要求1所述的方法，其特征在于，在所述基于多个视频帖获取跟踪目标之 后，所述方法还包括： 采用余弦窗对获取的跟踪目标进行预处理。3. 根据权利要求1所述的方法，其特征在于： 所述循环矩阵X =[Xi，又2, Xg，L，Xni，Xn]T，U = 0, L，n-1，。
【专利摘要】本发明是一种利用计算机视觉方法设计目标检测及跟踪算法，提高目标跟踪精度和速度，适应物流园区仓储实时智能监控的要求。为了提高目标跟踪的准确性和鲁棒性，针对核循环跟踪中仅利用像素进行核相关相似性比较时易受光照变化影响的缺陷，本发明提出一种基于光照不变特征的核循环目标跟踪方法。首先，对输入图像计算局部敏感直方图，提取光照不变特征，然后，运用核矩阵循环结构在频域中快速计算目标与模板问的响应置信图，得到跟踪目标准确位置。本发明提出的算法在光照剧烈变化及姿态调整时具有较强的鲁棒性。
【IPC分类】G06Q10/08, G06T7/20, G06Q50/28
【公开号】CN104933542
【申请号】CN201510320414
【发明人】王振海, 徐波
【申请人】临沂大学
【公开日】2015年9月23日
【申请日】2015年6月12日