基于时空模型的目标尺度自适应跟踪方法
【技术领域】：
[0001 ] 本发明属于机器视觉领域，特别涉及一种基于时空模型的目标尺度自适应跟踪方 法。
【背景技术】：
[0002] 目标跟踪是视频监控系统中的高层视觉处理，即利用计算机视觉、图像视频处理 等相关技术，在不需要人为干预的情况下，对摄像机拍摄的图像序列中的目标进行描述、处 理和分析，实现对动态场景中运动目标的检测、跟踪和识别，然后根据处理和分析的目标特 征，得到感兴趣的运动轨迹。运动目标跟踪、检测是视频监控领域的一个重要研究内容，视 频图像中目标跟踪、检测的效果直接影响到后续视频处理过程中的目标的行为检测、事件 理解和分析等高级处理的准确性[1]。
[0003] 近年来，针对现实环境中目标缩放、光照变化和局部遮挡等干扰影响下的跟踪问 题，国内外学者不断提出新的跟踪算法或改进办法[2]。然而很多跟踪方法仅仅将研究对象 局限于目标本身，忽略了目标周围的信息特征，造成算法精度不高。为了增强跟踪精度，张 开华等M引入目标周围上下文空域关系，利用目标及其周围信息关系建立模型来预测目标 位置，提升了算法抗局部遮挡以及光照变化等干扰的鲁棒性。然而在目标外观尺度明显变 化时，该方法提取的特征无法有效建立模型，容易出现跟踪窗偏离目标，甚至丢失目标。
[0004] 本发明针对目标尺度变化导致的跟踪精度下降问题，引入了借用聚类思想构建的 多尺度历史目标模板库，提出一种基于时空模型的目标尺度自适应跟踪算法，实现了尺度 变化的实时目标鲁棒跟踪。
【发明内容】
：
[0005] 本发明的主要目的是提出一种基于时空模型的目标尺度自适应跟踪算法，在目标 缩放、光照变化和局部遮挡等干扰影响下，迅速、准确定位目标区域。
[0006] 为了实现上述目的，本发明提供如下技术方案：
[0007] 步骤一、读入第一帧图像Image1，手动指定跟踪目标矩形位置Z ;
[0008] 步骤二、基于上下文空域Ω。，初始化时空模型令
[0010] 步骤三、计算目标区域方向梯度特征直方图f H(K；_Z，令m = <IZ, fH(M；_z>，M = M U m，初始化多尺度历史目标模板库M ;
[0011] 步骤四、读入下一帧图像Imaget+1 (t彡1);
[0012] 步骤五、迭代构建时空模型
CN 105117720 A 说明书 2/6 页
[0013] 步骤六、计算置信图Gt+1，令
，估 计目标中心位置
[0014] 步骤七、以步骤六中估计的目标中心点￥+1为中心，提取η个不同尺度的样本，均 归一化为8 X 8的图像块，比对历史目标模板库Μ，判断模板最优尺度，确定目标矩形位置， 完成t+Ι帧目标跟踪；
[0015] 步骤八、根据步骤七估计的最优尺度，更新时空模型尺度参数；
[0016] 步骤九、根据步骤七中估计的最优目标区域Zt+1，更新多尺度历史目标模板库M ;
[0017] 步骤十、若视频未结束，则转入步骤四，读入下一帧图像；否则跟踪结束。
[0018] 与现有的技术相比，本发明具有以下有益效果：
[0019] 1.通过步骤七利用目标的最优尺度更新时空模型，实现了尺度变化的实时目标跟 足示。
[0020] 2.通过步骤九借用聚类思想构建动态更新的多尺度历史目标模板库，构建了最能 代表目标状态的模板空间，提升了表示目标状态的准确性。
[0021] 3.结合时空模型，借用聚类思想构建的动态更新多尺度历史目标模板库及最优尺 度估计，本发明在目标遭受光照变化、局部遮挡以及快速移动等干扰的情况下，有效应对了 目标外观尺度的变化，实现了鲁棒跟踪。
[0022] 因此，本发明在公共安全监控的应用中将具有广泛的应用前景。
【附图说明】：
[0023] 图1本发明的算法流程图
[0024] 图2构建目标的上下文空域示意图
[0025] 图3不同尺度样本的说明图；
[0026] 图4目标模板空间的说明图；
[0027] 图5算法在Singerl序列图像实验中跟踪效果；
[0028] 图6算法在Singerl序列图像实验中误差曲线分析图；
[0029] 图7算法在David序列图像实验中跟踪效果；
[0030] 图8算法在David序列图像实验中误差曲线分析图；
[0031 ] 图9算法在CarScale序列图像实验中跟踪效果；
[0032] 图10算法在CarScale序列图像实验中误差曲线分析图；
【具体实施方式】
[0033] 为了更好的说明本发明的目的、具体步骤以及特点，下面结合附图对本发明作进 一步详细的说明：
[0034] 参考图1，本发明提出的一种基于时空模型的目标尺度自适应跟踪方法，主要包含 以下步骤：
[0035] 步骤一、读入第一帧图像Image1，手动指定跟踪目标矩形位置Z ;
[0036] 步骤二、基于上下文空域Ω。，初始化时空模型,令
[0038] 步骤三、计算目标区域方向梯度特征直方图f H(K；_Z，令m = <IZ, fH(M；_z>，M = M U m，初始化多尺度历史目标模板库M ;
[0039] 步骤四、读入下一帧图像Imaget+i (t彡1);
[0040] 步骤五、迭代构建时空模型
其 中
[0041] 步骤六、计算置信图Gt+1，令
：估 计目标中心位I
[0042] 步骤七、以步骤六中估计的目标中心点Χ〖+1为中心，提取η个不同尺度的样本，均 归一化为8 X 8的图像块，比对历史目标模板库Μ，判断模板最优尺度，确定目标矩形位置， 完成t+Ι帧目标跟踪；
[0043] 步骤八、根据步骤七估计的最优尺度，更新时空模型//??尺度参数；
[0044] 步骤九、根据步骤七中估计的最优目标区域Zt+1，更新多尺度历史目标模板库M ;
[0045] 步骤十、若视频未结束，则转入步骤四，读入下一帧图像；否则跟踪结束。
[0046] 上述技术方案中，步骤一中的目标矩形位置Z如图2中实线框所示，f为目标区 域几何中心，W#P Hz分别表示目标区域Z的宽和高。
[0047] 上述技术方案中，步骤二中的上下文空域Ω。如图2中虚线框所示，表示目标及其 周围信息。上下文空域Ω。以目标区域几何中心^为中心，Ω。的宽和高定义为
[0049] 上述技术方案中，步骤二中时空模型Hf "^的初始化方法为：
[0050] 1.定义目标上下文空域Ω。的特征Xc= {c(m) = (I(m)，m) |m e Ω ?}，其中 Ωε(χ*)表示以x*为中心的目标对应上下文空域，m表示空域Ω c(x*)中的像素点，I(m)表 示像素 m的灰度值；
[0051] 2.构建表征目标与其周围关系的空域模型Ilf (；〇
[0053] 其中xe R2表示上下文空域Ω。〇〇中像素集，F(·)表示傅里叶变换函数，F1M 表示傅里叶逆变换函数，I卜Il表示欧氏距离。参数建议值为α = 2. 25, β = 1。ω。（ ·） 为高斯函数，定义为
[0055] 3·令Hfc = /lf,完成时空模型f/;"的初始化。
[0056] 上述技术方案中，步骤三中多尺度历史目标模板库M的初始化方法为：
[0057] 1.令M = :0;.
[0058] 2.将目标区域Z1转为灰度图，并归一化Z#8X8像素的图像块Iz;
[0059] 3.计算12的方向梯度特征直方图f HW；_Z;
[0060] 4.令 m = <IZ，fH0G z>，M = M U m ;
[0061] 5.多尺度历史目标模板库M初始化完成；
[0062] 上述技术方案中，步骤五中迭代构建时空模型的方法为：
[0064] 其中Hfe和Hff1分别表示t、t+i时刻时空模型，η为更新的学习率，建议采用η =0. 075。Zlf表示t时刻的目标空域模型，表征目标与其周围关系，具体计算方法如下：
[0066] 其中Xe R2表示上下文空域Ω中像素集，F(·)表示傅里叶变换函数，·) 表示傅里叶逆变换函数，I卜Il表示欧氏距离。参数建议值为α = 2. 25, β = 1。ω。（ ·） 为高斯函数，定义为
[0068] 上述技术方案中，步骤六中置信图Gt+1的计算方法为：
[0070] 其中区)表示卷积运算符，X e R2表示上下文空域Ω。中像素集，G t+1 (X)表示t时 刻的上下文空域Ω。范围内像素点在t+Ι时刻的置信值，其值表示该点落在目标区域Z的 概率。概率值最高的点即为t+Ι时刻目标可能的中心位置Χ〗+1，
[0072] 上述技术方案中，步骤七中模板最优尺度判断方法为：
[0073] 1.以步骤六中估计的目标中心点<+1为中心，提取η个不同尺度的样本，均归一 化为8 X 8的图像块（如图3所示），本发明中建议参数η = 20 ;
[0074] 2.构建待匹配样本空间D= {djE[1,n]}，其中^ = <fHOGd^y》' Clj表示第j个样 本，其对应的方向梯度特征直方图表示为fHOGdi，~表示对应样本的尺度； J J
[0075] 3.交叉计算η个不同尺度的样本与多尺度历史目标模板库M中k个模板的方向梯 度直方图相似度，得到相似矩阵SDMe RnXk，
[0077] 其中与模板相似度最高的样本
即为t+Ι时刻目 标区域Zt+1的最优估计，其对应的尺度S = %~
[0078] 上述技术方案中，步骤八中时空模型尺度参数更新方法为：
[0079] 1.目标区域Zt+1的宽和高：
[0080] Wz(t+1) = Wz(t)*s
[0081] Hz(t+1) = Hz(t)*s，
[0082] 2.目标上下文空域Ω。的宽和高：
[0085] 3.高斯函数^^^^ - = e~' ff￡2 中的尺度参数〇t:
[0086] σ t+1= σ t*s
[0087] 上述技术方案中，步骤九中多尺度历史目标模板库M更新方法为：
[0088] 1.将步骤七中估计的最优目标区域Zt+1转为灰度图，并归一化Zt+1为8X8像素的 图像块Iz;
[0089] 2.计算12的方向梯度特征直方图f HW；_Z;
[0090] 3.令 m = <IZ，fH0G z>，M = M U m ;<