一种基于贝叶斯框架和快速傅里叶变换的目标跟踪方法
【技术领域】
[0001] 本发明设及一种基于贝叶斯框架和快速傅里叶变换的目标跟踪方法。
【背景技术】
[0002] 视频图像序列中的运动目标跟踪技术是计算机视觉领域的研究热点之一。它是图 像处理、模式识别、人工智能、神经生物学、概率与随机过程等多学科交叉的结晶。随着计算 机视觉技术和计算机硬件技术的不断进步，图像序列中目标检测与跟踪技术在军事和民用 领域（如智能监控、人机交互、视觉导航、辅助驾驶等）都具有广泛的应用。
[0003] 在背景较简单，目标外观基本不变的情况下，已有的跟踪技术具有较好的跟踪效 果。但在实际应用中，由于外部环境的复杂性和目标本身特征存在的多样性和变化因素，使 得目标跟踪技术在实际应用中仍具有很大的挑战性。比如，在跟踪过程中，目标的外观常常 发生变化，其主要变化有两种：内部变化和外部变化。内部变化主要有姿态变化，非刚体目 标存在的形变W及外观轮廓的变化；外部变化主要有环境的光照变化对目标的外观造成的 影响，W及目标在运动过程中有时会被其它目标部分或全部遮挡。因此，在实际应用中，要 求一个好的跟踪方法能够适应目标的外观变化。
[0004]当前的目标跟踪方法主要可分为两类：判别式模型和生成式模型。
[0005] 生成式模型需要建立一个外观模型来表示目标，然后寻找整帖图像中与外观模型 最匹配的图像区域，但该方法忽略了目标周围的有用信息，运些信息往往有助于区别目标 与背景。
[0006] 判别式模型将跟踪看成一个二分类问题，即判断一个图像区域是目标还是背景。 但该方法的目的是预测目标的类别，运与跟踪的目的（找出目标的位置）还是有区别的。
【发明内容】
[0007] 本发明的目的就是为了解决上述问题，提供一种基于贝叶斯框架和快速傅里叶变 换的目标跟踪方法，该方法在建立目标外观模型时，将目标周围的背景也作为模型的一部 分，可在一定程度上解决目标自身存在形变甚至遮挡情况下的跟踪问题。另外，该方法利用 了图像傅里叶变换的相位包含了图像的边缘纹理信息，对光照变化明显的目标具有很好的 跟踪效果。与已有的光流法相比，快速傅里叶变换的应用也提高了目标跟踪方法的实时性。
[0008] 为了实现上述目的，本发明采用如下技术方案：
[0009] 一种基于贝叶斯框架和快速傅里叶变换的目标跟踪方法，包括如下步骤：
[0010] 步骤（1):预先利用汉宁窗生成模板核函数，然后对模板核函数进行归一化；
[0011] 步骤（2):生成被跟踪的目标区域所在的图像的置信度图模板并归一化，计算被 跟踪的目标区域所在的图像的置信度图模板的快速傅里叶变换；
[0012] 步骤（3):读取视频中的第一帖图像，获取被跟踪的目标区域在第一帖图像中的 初始位置和大小；
[0013] 步骤（4) 步骤（3)得到的初始位置或步骤（5)得到的新位置为中屯、，获取被跟 踪的目标区域的上下文图像；归一化上下文图像；利用归一化的上下文图像与步骤（1)生 成的模板核函数，得到当前帖被跟踪的目标区域的空间上下文图像，即贝叶斯框架的先验 概率；
[0014] 步骤巧）：利用步骤（4)得到的当前帖被跟踪的目标区域的空间上下文图像，求取 当前帖图像的置信度图，即贝叶斯框架的后验概率，进而求取当前帖图像的置信度图中置 信度最大的点，将置信度最大的点作为被跟踪的目标区域的新位置；
[001引步骤化）步骤妨得到的新位置为中心求取被跟踪的目标区域的空间上下文 图像；
[001引步骤（7):用步骤（4)或步骤（6)得到的被跟踪的目标区域的空间上下文图像更 新时空上下文模型，并计算时空上下文模型傅里叶变换的相位；
[0017] 步骤做：利用步骤似得到的被跟踪的目标区域所在的图像的置信度图模板的 快速傅里叶变换和步骤（7)得到的时空上下文模型，预测下一帖图像中被跟踪的目标区域 的空间上下文图像的相位，读取下一帖图像，转到步骤（4)。
[0018] 所述步骤（1)通过模板核函数来突出被跟踪的目标区域所在的图像中屯、，弱化目 标图像边缘；所述目标图像指在每一帖图像中被跟踪的目标区域所在的图像；
[0019] 在被跟踪的目标区域所在的图像中，越靠近中屯、的区域，其作为目标的一部分的 可能性越大，对生成目标模板的贡献也应越大，为了生成更好的目标模板，应给予运些区域 更大的权重。相反，越靠近目标图像边缘的区域，其作为目标的一部分的可能性越小，对生 成目标模板的贡献也应越小，因此应给予运些区域更小的权重。
[0020] 所述步骤（1)模板核函数的生成方法如下：
[0021] 利用一维汉宁窗向量Wi(n)与一维汉宁窗向量自身的转置[Wi(n)]T相乘，生成二 维汉宁核函数W2(n):
[0022] W2(n)二Wi(n)*[Wi(n)]T; (1)
[0023] 其中，一维汉宁窗向量wi(n)，如式（2)所示：
[0024]
0<"<L-r; (2)
[002引其中，L为汉宁窗的长度，n为向量的元素编号，从0开始编号。
[0026] 所述步骤（1)对模板核函数W。（Z)进行归一化的公式为：
[0027] W。（Z) =aw2(n) ; (3)
[002引其中，a为模板核函数的归一化常数，W2(n)为二维汉宁核函数。
[0029] 所述步骤（2)的步骤为：
[0030] 步骤（21):生成目标图像的置信度图模板并归一化；
[0031] 所述目标图像的置信度图模板c(z)，即被跟踪的目标区域在每个位置的可能性 P(z|o)，如公式（4)所示：
[0032]
[0033] 其中，b为目标置信度图模板的归一化常数，a为函数的宽度参数，ZGR2为 101X101模板中各点的坐标，2*^为模板的中屯、点坐标；
[0034] 步骤倘）冰取归一化后的置信度图模板的快速傅里叶变换F(c)。
[003引所述步骤做中被跟踪的目标区域在第一帖图像中的初始位置为已知，由目标检 测方法或人工标记给出，被跟踪的目标区域的初始位置和大小通过一个矩形框表示。
[003引所述步骤（4)的步骤如下：
[0037] 步骤（41):判断步骤做或步骤做所读取的图像是彩色图像还是灰度图像，如 果是彩色图像，则将其转换为灰度图Igw，若是灰度图像，则直接转到步骤（42):
[0038] 1巧巧=0. 2991 r+0. 587Ig+0. 1141b;巧）
[003引其中，Igw指灰度图像，旨彩色图像中的红色分量，Ig指彩色图像中的绿色分量，Ib指彩色图像中的蓝色分量。
[0040] 步骤他）：获取被跟踪的目标区域的上下文图像：
[0041] 设t-1时刻计算得到的图像中目标的宽为Wti，高为hti，中屯、点坐标为在当前 帖图像中W丢1为中心截取宽和高分别为1和化。的图像区域作为被跟踪的目标区域 的上下文图像；
[0042] 步骤（43):归一化上下文图像：先将上下文图像的分辨率缩放为统一的设定像 素，然后将缩放后的图像中每个像素点的灰度值减去该图像中所有像素点灰度值的平均 值，作为每个像素点新的像素值，从而减少被跟踪目标表面的光照变化对图像的影响；
[004引步骤（44):计算当前帖目标的空间上下文图像hw:将步骤（城求得的归一化的 上下文图像与步骤（1)生成的模板核函数相乘，从而强化被跟踪的目标区域所在的图像中 屯、附近像素点，弱化被跟踪的目标区域所在的图像边缘像素点，同时也为后续的图像傅里 叶变换去除了图像边缘的频率响应影响；
[0044] 步骤（45):判断是否是第一帖图像，若是第一帖图像，贝峭巧Ij步骤（7)，若不是，贝U 执行步骤巧）。
[0045] 所述步骤巧）的步骤为：
[004引步骤巧1):对当前帖被跟踪的目标区域的空间上下文图像护进行快速傅里叶变 换并取其相位兴t
[0047]
巧
[0048] 步骤巧2):求取当前帖被跟踪的目标区域的空间上下文图像的置信度图的傅里 叶变换；
[0049] 将当前帖被跟踪的目标区域的空间上下文图像的傅里叶变换的相位与上一帖 预测的被跟踪的目标区域傅里叶变换的相位e'A相乘，计算出当前帖图像置信度图的傅里 叶变换F(Ct);
[0050] 步骤巧扣对F(Ct)做傅里叶反变换求取当前帖图像的置信度图C;
[0051] 步骤巧4):求取目标在当前帖图像中的新位置置信度图C中置信度最大的点 Z(CmJ作为被跟踪的目标区域的新位置Zt;
[0052]步骤巧5) 新位置Zt为中屯、，重复步骤（4)和步骤巧），直至位置不再发生变化， 求得当前帖