行人检测与跟踪方法及装置的制造方法

行人检测与跟踪方法及装置的制造方法
【专利摘要】本发明涉及行人检测与跟踪方法及装置，包括：采用SVM分类器对第一帧行人图像进行检测，得到初始目标矩形区域，并计算初始目标矩形区域的方向梯度直方图；计算初始目标矩形区域的色调分量直方图，并计算初始目标矩形区域的颜色直方图；对初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，得到初始目标矩形区域的综合直方图；从第二帧行人图像开始，根据上一帧行人图像对应的上一目标矩形区域的综合直方图，在当前帧行人图像中寻找当前目标矩形区域，以使当前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图的匹配度最高。根据本发明实施例的行人检测与跟踪方法及装置能够具有较好的实时性和准确性。
【专利说明】
行人检测与跟踪方法及装置
技术领域
[0001] 本发明设及图像处理技术领域，尤其设及一种行人检测与跟踪方法及装置。
【背景技术】
[0002] 行人检测与跟踪是指从视频序列中检测出行人的位置，并对运动的行人进行连续 跟踪，确定其运动轨迹的过程。行人检测与跟踪是智能车辆、计算机视觉和模式识别等领域 的前沿研究课题。
[0003] 现有的行人检测方法主要分为:基于运动特性的行人检测、基于多部位模板匹配 的行人检测W及基于机器学习的行人检测。行人检测作为行人跟踪的前提条件，其检测精 度至关重要。现有的行人跟踪方法主要分为:基于模型的跟踪、基于匹配区域的跟踪、基于 主动轮廓的跟踪W及基于目标特征的跟踪。其中最常用的是基于目标特征的连续自适应的 均值漂移(CamsMft)算法。连续自适应的均值漂移算法是一种非参数概率密度估计算法， 其核屯、是均值漂移算法，具有实时性好和算法框架化等优点，但模型仅采用颜色特征，当背 景较复杂或者存在许多与目标颜色相似的干扰像素的情况下，容易导致跟踪失败。

【发明内容】

[0004] 技术问题
[0005] 有鉴于此，本发明要解决的技术问题是，现有的行人检测与跟踪的精度较低，容易 跟踪失败。
[OOOW 解决方案
[0007]为了解决上述技术问题，根据本发明的一实施例，提供了一种行人检测与跟踪方 法，包括：
[000引采用SVM分类器对第一帖行人图像进行检测，得到初始目标矩形区域，并计算所述 初始目标矩形区域的方向梯度直方图；
[0009] 计算所述初始目标矩形区域在HSV颜色空间的色调分量直方图，并根据所述初始 目标矩形区域的色调分量直方图计算所述初始目标矩形区域的颜色直方图；
[0010] 对所述初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，得到所 述初始目标矩形区域的综合直方图；
[0011] 从第二帖行人图像开始，根据上一帖行人图像对应的上一目标矩形区域的综合直 方图，在当前帖行人图像中寻找当前目标矩形区域，W使所述当前目标矩形区域的综合直 方图与所述上一目标矩形区域的综合直方图的匹配度最高。
[0012] 对于上述方法，在一种可能的实现方式中，根据所述初始目标矩形区域的色调分 量直方图计算所述初始目标矩形区域的颜色直方图，包括：
[OOU]将RGB颜色空间的3、6和8立个颜色子空间分别划分为Q级，得到化=3Q个RGB颜色 空间的特征通道；
[0014]采用均值漂移算法，统计各个特征通道在所述初始目标矩形区域中出现的概率W 得到所述初始目标矩形区域的颜色直方图。
[0015] 对于上述方法，在一种可能的实现方式中，采用均值漂移算法，统计各个特征通道 在所述初始目标矩形区域中出现的概率W得到所述初始目标矩形区域的颜色直方图，具体 为：
[0016] 采用式1计算得到所述初始目标矩形区域的颜色直方图；
[0017]
式1
[0018] 其中，U为第U个特征通道，y为中屯、点的特征值，反心')为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，bi(xi)为样本点Xi所属的颜色空间的特征通道，S[bi(xi)-u]为单位脉冲函数，N功颜色 空间的特征通道的总数。
[0019] 对于上述方法，在一种可能的实现方式中，计算所述初始目标矩形区域的方向梯 度直方图，包括：
[0020] 对所述初始目标矩形区域进行灰度化；
[0021] 对灰度化的目标矩形区域进行Gamma校正；
[0022] 计算校正后的目标矩形区域中每个像素的梯度；
[0023] 将梯度划分为P级，得到P个梯度特征通道，并采用均值漂移算法计算所述初始目 标矩形区域的方向梯度直方图。
[0024] 对于上述方法，在一种可能的实现方式中，采用均值漂移算法计算所述初始目标 矩形区域的方向梯度直方图，具体为：
[0025] 采用式2计算得到所述初始目标矩形区域的方向梯度直方图；
[00 一 戎2
[0027] 其中，U为第U个特征通道，y为中屯、点的特征值，化(、少)为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，b2(Xi)为样本点Xi所属的梯度特征通道，S[b2(Xi)-U]为单位脉冲函数，Ni为颜色空间的 特征通道的总数，N2-化=P为梯度特征通道的总数，N2为特征通道的总数。
[0028] 对于上述方法，在一种可能的实现方式中，对所述初始目标矩形区域的方向梯度 直方图和颜色直方图进行加权处理，得到所述初始目标矩形区域的综合直方图，包括：
[0029] 设置一单调递减权值函数；
[0030] 根据所述单调递减权值函数对所述初始目标矩形区域的方向梯度直方图和颜色 直方图进行加权处理，计算得到所述初始目标矩形区域的综合直方图。
[0031] 对于上述方法，在一种可能的实现方式中，设置一单调递减权值函数具体为：
[0032] 采用式3设置所述单调递减权值函数；
[0033]
式3
[0034] 其中，U为第U个特征通道，化为颜色空间的特征通道的总数，化为特征通道的总数；
[0035] 根据所述单调递减权值函数对所述初始目标矩形区域的方向梯度直方图和颜色 直方图进行加权处理，计算得到所述初始目标矩形区域的综合直方图，具体为：
[0036] 采用式4对所述初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处 理，计算得到所述初始目标矩形区域的综合直方图；
[0037]
式4
[003引其中，y为中屯、点的特征值，反为第U个特征通道在初始目标矩形区域中出现 的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径为h的高维球形区 域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半径，bl(Xi)为样本 点Xi所属的颜色空间的特征通道，b2(xi)为样本点Xi所属的梯度特征通道，S[bi(xi)-u巧口 5 [b2(Xi)-U]为单位脉冲函数，化为颜色空间的特征通道的总数，化-化=P为梯度特征通道的 总数，化为特征通道的总数。
[0039] 对于上述方法，在一种可能的实现方式中，从第二帖行人图像开始，根据上一帖行 人图像对应的上一目标矩形区域的综合直方图，在当前帖行人图像中寻找当前目标矩形区 域，W使所述当前目标矩形区域的综合直方图与所述上一目标矩形区域的综合直方图的匹 配度最高，包括：
[0040] 从所述第二帖图像开始，采用连续自适应的均值漂移算法，将所述上一目标矩形 区域作为所述当前目标矩形区域的初始值；
[0041] 调整所述当前目标矩形区域的大小和位置，W使所述当前目标矩形区域的综合直 方图与所述上一目标矩形区域的综合直方图的匹配度最高。
[0042] 为了解决上述技术问题，根据本发明的另一实施例，提供了一种行人检测与跟踪 装置包括：
[0043] 方向梯度直方图计算模块，用于采用SVM分类器对第一帖行人图像进行检测，得到 初始目标矩形区域，并计算所述初始目标矩形区域的方向梯度直方图；
[0044] 颜色直方图计算模块，用于计算所述初始目标矩形区域在HSV颜色空间的色调分 量直方图，并根据所述初始目标矩形区域的色调分量直方图计算所述初始目标矩形区域的 颜色直方图；
[0045] 综合直方图计算模块，用于对所述初始目标矩形区域的方向梯度直方图和颜色直 方图进行加权处理，得到所述初始目标矩形区域的综合直方图；
[0046] 目标矩形区域寻找模块，用于从第二帖行人图像开始，根据上一帖行人图像对应 的上一目标矩形区域的综合直方图，在当前帖行人图像中寻找当前目标矩形区域，W使所 述当前目标矩形区域的综合直方图与所述上一目标矩形区域的综合直方图的匹配度最高。
[0047]对于上述装置，在一种可能的实现方式中，所述颜色直方图计算模块包括：
[004引颜色特征通道划分子模块，用于将RGB颜色空间的R、G和BS个颜色子空间分别划 分为Q级，得到化=%个RGB颜色空间的特征通道；
[0049] 颜色直方图计算子模块，用于采用均值漂移算法，统计各个特征通道在所述初始 目标矩形区域中出现的概率W得到所述初始目标矩形区域的颜色直方图。
[0050] 对于上述装置，在一种可能的实现方式中，所述颜色直方图计算子模块具体用于：
[0051] 采用式1计算得到所述初始目标矩形区域的颜色直方图；
[0化21
乂 1
[0053] 其中，U为第U个特征通道，y为中屯、点的特征值，免心)为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，bi(xi)为样本点Xi所属的颜色空间的特征通道，S[bi(xi)-u]为单位脉冲函数，N功颜色 空间的特征通道的总数。
[0054] 对于上述装置，在一种可能的实现方式中，所述方向梯度直方图计算模块包括：
[0055] 灰度化子模块，用于对所述初始目标矩形区域进行灰度化；
[0056] 校正子模块，用于对灰度化的目标矩形区域进行Gamma校正；
[0057] 梯度计算子模块，用于计算校正后的目标矩形区域中每个像素的梯度；
[0058] 方向梯度直方图计算子模块，用于将梯度划分为P级，得到P个梯度特征通道，并采 用均值漂移算法计算所述初始目标矩形区域的方向梯度直方图。
[0059] 对于上述装置，在一种可能的实现方式中，所述方向梯度直方图计算子模块具体 用于：
[0060] 将梯度划分为P级，得到P个梯度特征通道，并采用式2计算得到所述初始目标矩形 区域的方向梯度直方图；
[00" 1 式2
[0062] 其中，U为第U个特征通道，y为中屯、点的特征值，化为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，b2(Xi)为样本点Xi所属的梯度特征通道，S[b2(Xi)-U]为单位脉冲函数，化为颜色空间的 特征通道的总数，Ns-Ni = P为梯度特征通道的总数，N2为特征通道的总数。
[0063] 对于上述装置，在一种可能的实现方式中，所述综合直方图计算模块包括：
[0064] 单调递减权值函数设置子模块，用于设置一单调递减权值函数；
[0065] 综合直方图计算子模块，用于根据所述单调递减权值函数对所述初始目标矩形区 域的方向梯度直方图和颜色直方图进行加权处理，计算得到所述初始目标矩形区域的综合 直方图。
[0066] 对于上述装置，在一种可能的实现方式中，所述单调递减权值函数设置子模块具 体用于：
[0067] 采用式3设置所述单调递减权值函数；
[006引
式3:
[0069] 其中，U为第U个特征通道，化为颜色空间的特征通道的总数，化为特征通道的总数；
[0070] 所述综合直方图计算子模块具体用于：
[0071] 采用式4对所述初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处 理，计算得到所述初始目标矩形区域的综合直方图；
[00721
式4
[0073] 其中，y为中屯、点的特征值，反(_>，)为第U个特征通道在初始目标矩形区域中出现 的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径为h的高维球形区 域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半径，bl(Xi)为样本 点Xi所属的颜色空间的特征通道，b2(Xi)为样本点Xi所属的梯度特征通道，S[bi(xi)-u巧口 5 [b2(xi)-u]为单位脉冲函数，Ni为颜色空间的特征通道的总数，Ns-Ni = P为梯度特征通道的 总数，化为特征通道的总数。
[0074] 对于上述装置，在一种可能的实现方式中，所述目标矩形区域寻找模块包括：
[0075] 初始值设置子模块，用于从所述第二帖图像开始，采用连续自适应的均值漂移算 法，将所述上一目标矩形区域作为所述当前目标矩形区域的初始值；
[0076] 目标矩形区域调整子模块，用于调整所述当前目标矩形区域的大小和位置，W使 所述当前目标矩形区域的综合直方图与所述上一目标矩形区域的综合直方图的匹配度最 局。
[0077] 有益效果
[0078] 通过基于颜色和梯度双重特征，颜色直方图反映目标的整体特征，方向梯度直方 图反映目标的局部特征，对方向梯度直方图和颜色直方图进行加权处理得到综合直方图， 根据上一帖行人图像对应的上一目标矩形区域的综合直方图，在当前帖行人图像中寻找当 前目标矩形区域，W使当前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图 的匹配度最高，根据本发明实施例的行人检测与跟踪方法及装置能够具有较好的实时性， 且能够获得更加精确的行人运动轨迹，适用于动态摄像条件下的行人检测与跟踪。
[0079] 根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将变得 清楚。
【附图说明】
[0080] 包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的 示例性实施例、特征和方面，并且用于解释本发明的原理。
[0081] 图1示出根据本发明一实施例的行人检测与跟踪方法的实现流程图；
[0082] 图2示出根据本发明一实施例的行人检测与跟踪方法步骤S102中根据初始目标矩 形区域的色调分量直方图计算初始目标矩形区域的颜色直方图的具体实现流程图；
[0083] 图3示出根据本发明一实施例的行人检测与跟踪方法步骤SlOl中计算所述初始目 标矩形区域的方向梯度直方图的具体实现流程图；
[0084] 图4示出根据本发明一实施例的行人检测与跟踪方法步骤S103的具体实现流程 图；
[0085] 图5示出根据本发明一实施例的行人检测与跟踪方法步骤S104的具体实现流程 图；
[0086] 图6a至图6f示出了根据本发明一实施例的行人检测与跟踪方法寻找当前目标矩 形区域的示意图；
[0087] 图7示出根据本发明另一实施例的行人检测与跟踪方法的示例流程图；
[0088] 图8示出根据本发明另一实施例的行人检测与跟踪方法的实现流程图；
[0089] 图9示出根据本发明另一实施例的行人检测与跟踪装置的结构框图。
【具体实施方式】
[0090] W下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同 的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除 非特别指出，不必按比例绘制附图。
[0091 ]在运里专用的词"示例性"意为"用作例子、实施例或说明性"。运里作为"示例性" 所说明的任何实施例不必解释为优于或好于其它实施例。
[0092]另外，为了更好的说明本发明，在下文的【具体实施方式】中给出了众多的具体细节。 本领域技术人员应当理解，没有某些具体细节，本发明同样可W实施。在一些实例中，对于 本领域技术人员熟知的方法、手段、元件和电路未作详细描述，W便于凸显本发明的主旨。 [OOW] 实施例1
[0094] 图1示出根据本发明一实施例的行人检测与跟踪方法的实现流程图。如图1所示， 该方法主要包括：
[0095] 在步骤SlOl中，采用SVM分类器对第一帖行人图像进行检测，得到初始目标矩形区 域，并计算初始目标矩形区域的方向梯度直方图。
[0096] 需要说明的是，本发明实施例中的第一帖行人图像指的是待处理的第一帖行人图 像。
[0097] 在本发明实施例中，采用经过训练的SVM(Suppod Vector Machine,支持向量机） 分类器对第一帖行人图像进行检测，得到初始目标矩形区域，并计算初始目标矩形区域的 方向梯度直方图化〇G，Histogram of Oriented Gradient)。
[009引在步骤S102中，计算初始目标矩形区域在服V颜色空间的色调分量直方图，并根据 初始目标矩形区域的色调分量直方图计算初始目标矩形区域的颜色直方图。
[0099] 其中，HSV颜色空间的S个参数分别是色调化ue)、饱和度（Saturation)和明度 (化Iue)。
[0100] 作为本发明实施例的一个示例，在获得初始目标矩形区域后，假设mi = max{r，g， b}，m2=min{r，g，b}，则采用式5确定色调分量h;
[0101]
式5
[01化」其中，r刃R( Red，红）劇色于空间的劇色值，g刃G (Green，绿）颜色子空间的颜色值， b为B(Blue，蓝)颜色子空间的颜色值。
[0103] 在步骤S103中，对初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处 理，得到初始目标矩形区域的综合直方图。
[0104] 颜色直方图反映的是目标的整体特征，方向梯度直方图反映的是目标的局部特 征。在本发明实施例中，融合方向梯度直方图特征和颜色直方图特征来限定目标，从而提高 目标匹配的精度。
[0105] 在步骤S104中，从第二帖行人图像开始，根据上一帖行人图像对应的上一目标矩 形区域的综合直方图，在当前帖行人图像中寻找当前目标矩形区域，W使当前目标矩形区 域的综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[0106] 其中，第二帖行人图像指的是第一帖行人图像的下一帖行人图像。从第二帖图像 开始，W综合直方图为匹配特征，在当前帖行人图像中寻找与上一帖行人图像对应的上一 目标矩形区域最为匹配的当前目标矩形区域，从而实现自动跟踪。
[0107] 作为本发明实施例的一个示例，在步骤SlOl之前，该方法还包括:输入视频，从输 入的视频中提取第一帖行人图像。该输入的视频可W由无人机拍摄获取，在此不作限定。无 人机拍摄的视频中每一帖行人图像的大小可W为1920 X 1080(单位:像素），帖率可W为25 帖每秒，在此不作限定。
[0108] 作为本发明实施例的一个示例，在步骤S104之后，该方法还包括:在当前帖行人图 像中显示当前目标矩形区域。
[0109] 图2示出根据本发明一实施例的行人检测与跟踪方法步骤S102中根据初始目标矩 形区域的色调分量直方图计算初始目标矩形区域的颜色直方图的具体实现流程图。如图2 所示，根据初始目标矩形区域的色调分量直方图计算初始目标矩形区域的颜色直方图，包 括：
[0110] 在步骤S201中，将RGB颜色空间的R、G和BS个颜色子空间分别划分为Q级，得到化 =%个RGB颜色空间的特征通道。
[0111] 作为本发明实施例的一个示例，将RGB颜色空间的R、G和BS个颜色子空间分别划 分为Q级，即R、G和BS个颜色子空间分别具有Q个色调级别，其中，Q大于1。
[0112] 在步骤S202中，采用均值漂移算法，统计各个特征通道在初始目标矩形区域中出 现的概率W得到初始目标矩形区域的颜色直方图。
[0113] 作为本发明实施例的一个示例，颜色直方图和方向梯度直方图的获取均采用均值 漂移算法。在给定的d维空间xd中，有n个样本点XI，则X点的均值漂移向量定义为：
[0114]
式6
[0115] 其中，h为高维球形区域的半径，Sh为半径为h的高维球形区域，k为在Sh区域中的样 本点的数量。
[0116] 设y为中屯、点的特征值，将颜色方向或梯度方向分为多个通道，对每个样本点进行 加权，距离中屯、点越近，权值越大，则第U个特征通道在目标矩形区域中的概率为：
[01171
式7
[0118] 其中，U为第U个特征通道；y为中屯、点的特征值；C为归一化常数，其值为 -I ~|-] X足(P,. Il2) ;i为第i个样本点，n为样本点的总数;Xi为第i个样本点的特征值;bUO为 样本点Xi所属的特征通道;S为delta函数;若Xi属于第U个特征通道，则S[b(xi)-u]的值为1; 若Xi不属于第U个特征通道，则S[b(xi)-u]的值为0。
[0119] 在一种可能的实现方式中，采用均值漂移(Meanshift)算法，统计各个特征通道在 初始目标矩形区域中出现的概率W得到初始目标矩形区域的颜色直方图，具体为：
[0120] 采用式1计算得到初始目标矩形区域的颜色直方图；
[01 式1
[0122] 其中，U为第U个特征通道，y为中屯、点的特征值，氣心)为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，bi(xi)为样本点Xi所属的颜色空间的特征通道，S[bi(xi)-u]为单位脉冲函数，Ni为颜色 空间的特征通道的总数。
[0123] 图3示出根据本发明一实施例的行人检测与跟踪方法步骤SlOl中计算所述初始目 标矩形区域的方向梯度直方图的具体实现流程图。如图3所示，计算初始目标矩形区域的方 向梯度直方图，包括：
[0124] 在步骤S301中，对初始目标矩形区域进行灰度化。
[0125] 其中，对初始目标矩形区域进行灰度化指的是将初始目标矩形区域的每一个像素 的颜色值都用灰度值来表示。
[01%] 在步骤S302中，对灰度化的目标矩形区域进行Gamma校正。
[0127] 对灰度化的目标矩形区域进行Gamma(伽玛)校正，W进行颜色空间的标准化处理。
[0128] 在步骤S303中，计算校正后的目标矩形区域中每个像素的梯度。
[0129] 其中，每个像素的梯度均为向量。
[0130] 在步骤S304中，将梯度划分为P级，得到P个梯度特征通道，并采用均值漂移算法计 算初始目标矩形区域的方向梯度直方图。
[0131] 在一种可能的实现方式中，采用均值漂移算法计算初始目标矩形区域的方向梯度 直方图，具体为：
[0132] 采用式2计算得到初始目标矩形区域的方向梯度直方图；
[0133]
戎2
[0134] 其中，U为第U个特征通道，y为中心点的特征值，抗为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，b2(Xi)为样本点Xi所属的梯度特征通道，S[b2(Xi)-U]为单位脉冲函数，化为颜色空间的 特征通道的总数，Ns-Ni = P为梯度特征通道的总数，N2为特征通道的总数。
[0135] 图4示出根据本发明一实施例的行人检测与跟踪方法步骤S103的具体实现流程 图。如图4所示，对初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，得到 初始目标矩形区域的综合直方图，包括：
[0136] 在步骤S401中，设置一单调递减权值函数。
[0137] 在运里，设置一单调递减权值函数，使样本点距离中屯、点越近，权值越大。
[0138] 在步骤S402中，根据单调递减权值函数对初始目标矩形区域的方向梯度直方图和 颜色直方图进行加权处理，计算得到初始目标矩形区域的综合直方图。
[0139] 在一种可能的实现方式中，设置一单调递减权值函数具体为：
[0140] 采用式3设置单调递减权值函数；
[0141]
式3
[0142] 其中，U为第U个特征通道，化为颜色空间的特征通道的总数，化为特征通道的总数；
[0143] 根据单调递减权值函数对初始目标矩形区域的方向梯度直方图和颜色直方图进 行加权处理，计算得到初始目标矩形区域的综合直方图，具体为：
[0144] 采用式4对初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，计 算得到初始目标矩形区域的综合直方图；
[0145]
式4
[0146] 其中，y为中屯、点的特征值，反心)为第U个特征通道在初始目标矩形区域中出现 的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径为h的高维球形区 域中的样本点的数量，X功第i个样本点的特征值，h为高维球形区域的半径，bl(Xi)为样本 点Xi所属的颜色空间的特征通道，b2(xi)为样本点Xi所属的梯度特征通道，S[bi(xi)-u巧口 5 [b2(Xi)-U]为单位脉冲函数，化为颜色空间的特征通道的总数，化-化=P为梯度特征通道的 总数，化为特征通道的总数。
[0147] 图5示出根据本发明一实施例的行人检测与跟踪方法步骤S104的具体实现流程 图。如图5所示，从第二帖行人图像开始，根据上一帖行人图像对应的上一目标矩形区域的 综合直方图，在当前帖行人图像中寻找当前目标矩形区域，W使当前目标矩形区域的综合 直方图与上一目标矩形区域的综合直方图的匹配度最高，包括：
[0148] 在步骤S501中，从第二帖图像开始，采用连续自适应的均值漂移算法，将上一目标 矩形区域作为当前目标矩形区域的初始值。
[0149] 其中，将上一目标矩形区域作为当前目标矩形区域的初始值具体可W为:将上一 目标矩形区域的几何中屯、作为当前目标矩形区域的几何中屯、的初始值，根据上一目标矩形 区域的长宽确定当前目标矩形区域的长宽，计算候选的当前目标矩形区域加权处理的颜色 直方图和方向梯度直方图。例如，根据上一目标矩形区域的长宽确定当前目标矩形区域的 长宽可W为:假设上一目标矩形区域的长度为^，宽度为L2,将当前目标矩形区域的长度确 定为0.化1至1. ILi，将当前目标矩形区域的宽度确定为0.化2至1.化2。
[0150] 在步骤S502中，调整当前目标矩形区域的大小和位置，W使当前目标矩形区域的 综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[0151] 其中，调整当前目标矩形区域的大小和位置具体可W为:根据均值漂移算法计算 下一个可能的当前目标矩形区域的位置，调整当前目标矩形区域的几何中屯、位置，并调整 当前目标矩形区域的大小。
[0152] 其中，使当前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图的匹 配度最高可W为:计算当前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图 之间的己氏系数(Bhattacha巧ya Coefficient)，若计算得到的己氏系数小于预设值，则调 整当前目标矩形区域的大小和位置;若计算得到的己氏系数大于或等于预设值，则判定当 前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[0153] 图6a至图6f示出了根据本发明一实施例的行人检测与跟踪方法寻找当前目标矩 形区域的示意图。在图6c至图6f中，在跟踪运动目标时，增大目标矩形区域的面积，W提高 跟踪准确度。
[0154] 运样，通过基于颜色和梯度双重特征，颜色直方图反映目标的整体特征，方向梯度 直方图反映目标的局部特征，对方向梯度直方图和颜色直方图进行加权处理得到综合直方 图，根据上一帖行人图像对应的上一目标矩形区域的综合直方图，在当前帖行人图像中寻 找当前目标矩形区域，W使当前目标矩形区域的综合直方图与上一目标矩形区域的综合直 方图的匹配度最高，根据本发明实施例的行人检测与跟踪方法能够具有较好的实时性，且 能够获得更加精确的行人运动轨迹，适用于动态摄像条件下的行人检测与跟踪。
[01巧]实施例2
[0156] 图7示出根据本发明另一实施例的行人检测与跟踪方法的示例流程图。在本发明 实施例中，W梯度特征通道的总数P为16、颜色空间的特征通道的总数化为48为例进行说 明，上述数值仅是示例，本发明实施例并不具体限制上述数值的选取范围。如图7所示，该方 法主要包括：
[0157] 在步骤S701中，采用SVM分类器对第一帖行人图像进行检测，得到初始目标矩形区 域。
[0158] 在步骤S702中，计算初始目标矩形区域在服V颜色空间的色调分量直方图。
[0159] 在步骤S703中，将RGB颜色空间的R、G和BS个颜色子空间分别划分为16级，得到48 个RGB颜色空间的特征通道。
[0160] 在步骤S704中，采用式1-1计算得到初始目标矩形区域的颜色直方图；
W么" 式1-1
[0162] 其中，将化等于48代入式1可W得到式1-1。
[0163] 在步骤S705中，对初始目标矩形区域进行灰度化。
[0164] 在步骤S706中，对灰度化的目标矩形区域进行Gamma校正。
[0165] 在步骤S707中，计算校正后的目标矩形区域中每个像素的梯度。
[0166] 在步骤S708中，将梯度划分为16级，得到16个梯度特征通道，并采用式2-1计算得 到初始目标矩形区域的方向梯度直方图；
[0167]式 2-1
[016引在本发明实施例中，将梯度
划分为16级，每级22.5°，梯度特征通道的总数为16;化 等于64,即特征通道的总数为64。将化、化的数值代入上述实施例的式2可W得到式2-1。
[0169] 将化、化的数值代入上述实施例的式3可W得到式3-1，在步骤S709中，采用式3-1设 置单调递减权值函数；
[0170]
乂 3-I
[0171] 将化、化的数值代入上述实施例的式4可W得到式4-1，在步骤S710中，采用式4-1对 初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，计算得到初始目标矩形 区域的综合直方图；
[0172]
式 4-1
[0173] 在步骤S711中，从第二帖图像开始，采用连续自适应的均值漂移算法，将上一目标 矩形区域作为当前目标矩形区域的初始值。
[0174] 在步骤S712中，调整当前目标矩形区域的大小和位置，W使当前目标矩形区域的 综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[0175] 运样，通过基于颜色和梯度双重特征，颜色直方图反映目标的整体特征，方向梯度 直方图反映目标的局部特征，对方向梯度直方图和颜色直方图进行加权处理得到综合直方 图，根据上一帖行人图像对应的上一目标矩形区域的综合直方图，在当前帖行人图像中寻 找当前目标矩形区域，W使当前目标矩形区域的综合直方图与上一目标矩形区域的综合直 方图的匹配度最高，根据本发明实施例的行人检测与跟踪方法能够具有较好的实时性，且 能够获得更加精确的行人运动轨迹，适用于动态摄像条件下的行人检测与跟踪。
[017W 实施例3
[0177] 图8示出根据本发明另一实施例的行人检测与跟踪方法的实现流程图。如图8所 示，该方法主要包括：
[0178] 在步骤S801中，根据行人样本的方向梯度直方图和非行人样本的方向梯度直方图 训练得到初始分类器。
[0179] 在本发明实施例中，提取行人样本和非行人样本的方向梯度直方图特征，投入到 SVM中训练，得到初始分类器。
[0180] 在步骤S801之前，该方法还可W包括:选定行人样本和非行人样本。例如，可W采 ^INRIA(Institut National de Recherche en Informatique et en Automatique(法 语），the French Institute for Research in Computer Science and Automation，法国 国家信息与自动化研究所)行人数据集，假设行人样本的数量为2451。非行人样本取自非行 人样本原图，数量为13400。
[0181] 在步骤S802中，采用初始分类器检测非行人样本，获得难例，并提取难例的方向梯 度直方图。
[0182] 采用初始分类器检测前面用来训练的非行人样本，获得难例化ard Example)。难 例指的是由初始分类器判定为行人，而实际并非行人的样本。例如，从13400个非行人样本 中检测出4716个难例。
[0183] 在步骤S803中，根据难例、行人样本和非行人样本的方向梯度直方图训练初始分 类器，得到SVM分类器。
[0184] 在步骤S804中，采用SVM分类器对第一帖行人图像进行检测，得到初始目标矩形区 域，并计算初始目标矩形区域的方向梯度直方图。
[0185] 在步骤S805中，计算初始目标矩形区域在服V颜色空间的色调分量直方图，并根据 初始目标矩形区域的色调分量直方图计算初始目标矩形区域的颜色直方图。
[0186] 在步骤S806中，对初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处 理，得到初始目标矩形区域的综合直方图。
[0187] 在步骤S807中，从第二帖行人图像开始，根据上一帖行人图像对应的上一目标矩 形区域的综合直方图，在当前帖行人图像中寻找当前目标矩形区域，W使当前目标矩形区 域的综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[0188] 运样，通过采用方向梯度直方图特征结合SVM方法训练和检测行人，获取行人初始 位置，作为连续自适应的均值漂移算法的初始化参数，提高了行人跟踪的精度。
[01例实施例4
[0190] 图9示出根据本发明另一实施例的行人检测与跟踪装置的结构框图。如图9所示， 该装置主要包括：
[0191] 方向梯度直方图计算模块91，用于采用SVM分类器对第一帖行人图像进行检测，得 到初始目标矩形区域，并计算初始目标矩形区域的方向梯度直方图；
[0192] 颜色直方图计算模块92,用于计算初始目标矩形区域在HSV颜色空间的色调分量 直方图，并根据初始目标矩形区域的色调分量直方图计算初始目标矩形区域的颜色直方 图；
[0193] 综合直方图计算模块93,用于对初始目标矩形区域的方向梯度直方图和颜色直方 图进行加权处理，得到初始目标矩形区域的综合直方图；
[0194] 目标矩形区域寻找模块94,用于从第二帖行人图像开始，根据上一帖行人图像对 应的上一目标矩形区域的综合直方图，在当前帖行人图像中寻找当前目标矩形区域，W使 当前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[01M]对于上述装置，在一种可能的实现方式中，颜色直方图计算模块92包括：
[0196] 颜色特征通道划分子模块921，用于将RGB颜色空间的R、G和BS个颜色子空间分别 划分为Q级，得到化=%个RGB颜色空间的特征通道；
[0197] 颜色直方图计算子模块922,用于采用均值漂移算法，统计各个特征通道在初始目 标矩形区域中出现的概率W得到初始目标矩形区域的颜色直方图。
[0198] 对于上述装置，在一种可能的实现方式中，颜色直方图计算子模块922具体用于：
[0199] 采用式1计算得到初始目标矩形区域的颜色直方图；
[09m1 试1
[0201] 其中，U为第U个特征通道，y为中屯、点的特征值，化为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，bi(xi)为样本点Xi所属的颜色空间的特征通道，S[bi(xi)-u]为单位脉冲函数，N功颜色 空间的特征通道的总数。
[0202] 对于上述装置，在一种可能的实现方式中，方向梯度直方图计算模块91包括：
[0203] 灰度化子模块911，用于对初始目标矩形区域进行灰度化；
[0204] 校正子模块912,用于对灰度化的目标矩形区域进行Gamma校正；
[0205] 梯度计算子模块913,用于计算校正后的目标矩形区域中每个像素的梯度；
[0206] 方向梯度直方图计算子模块914,用于将梯度划分为P级，得到P个梯度特征通道， 并采用均值漂移算法计算初始目标矩形区域的方向梯度直方图。
[0207] 对于上述装置，在一种可能的实现方式中，方向梯度直方图计算子模块914具体用 于：
[0208] 将梯度划分为P级，得到P个梯度特征通道，并采用式2计算得到初始目标矩形区域 的方向梯度直方图；
[02091 式2
[021 U」共T，UW呆irr符化化泪，y;/、」T心、巧的符化m，化、/)为第U个特征通道在初始目 标矩形区域中出现的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径 为h的高维球形区域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半 径，b2(Xi)为样本点Xi所属的梯度特征通道，S[b2(Xi)-u]为单位脉冲函数，Ni为颜色空间的 特征通道的总数，N2-化=P为梯度特征通道的总数，N2为特征通道的总数。
[0211] 对于上述装置，在一种可能的实现方式中，综合直方图计算模块93包括：
[0212] 单调递减权值函数设置子模块931，用于设置一单调递减权值函数；
[0213] 综合直方图计算子模块932,用于根据单调递减权值函数对初始目标矩形区域的 方向梯度直方图和颜色直方图进行加权处理，计算得到初始目标矩形区域的综合直方图。
[0214] 对于上述装置，在一种可能的实现方式中，单调递减权值函数设置子模块931具体 用于：
[0215] 采用式3设置单调递减权值函数；
[0216]
式3
[0217] 其中，U为第U个特征通道，化为颜色空间的特征通道的总数，化为特征通道的总数；
[0218] 综合直方图计算子模块932具体用于：
[0219] 采用式4对初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，计 算得到初始目标矩形区域的综合直方图；
戎4
[0221]其中，y为中屯、点的特征值，为第U个特征通道在初始目标矩形区域中出现 的概率，C为归一化常数，i为第i个样本点，n为样本点的总数，k为在半径为h的高维球形区 域中的样本点的数量，Xi为第i个样本点的特征值，h为高维球形区域的半径，bl(Xi)为样本 点Xi所属的颜色空间的特征通道，b2(Xi)为样本点Xi所属的梯度特征通道，S[bi(xi)-u巧口 5
[b2(Xi)-u]为单位脉冲函数，Ni为颜色空间的特征通道的总数，化-Ni = P为梯度特征通道的 总数，化为特征通道的总数。
[0222] 对于上述装置，在一种可能的实现方式中，目标矩形区域寻找模块94包括：
[0223] 初始值设置子模块941，用于从第二帖图像开始，采用连续自适应的均值漂移算 法，将上一目标矩形区域作为当前目标矩形区域的初始值；
[0224] 目标矩形区域调整子模块942，用于调整当前目标矩形区域的大小和位置，W使当 前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图的匹配度最高。
[0225] 通过基于颜色和梯度双重特征，颜色直方图反映目标的整体特征，方向梯度直方 图反映目标的局部特征，对方向梯度直方图和颜色直方图进行加权处理得到综合直方图， 根据上一帖行人图像对应的上一目标矩形区域的综合直方图，在当前帖行人图像中寻找当 前目标矩形区域，W使当前目标矩形区域的综合直方图与上一目标矩形区域的综合直方图 的匹配度最高，根据本发明实施例的行人检测与跟踪装置能够具有较好的实时性，且能够 获得更加精确的行人运动轨迹，适用于动态摄像条件下的行人检测与跟踪。
[0226] W上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明掲露的技术范围内，可轻易想到变化或替换，都应涵 盖在本发明的保护范围之内。因此，本发明的保护范围应W所述权利要求的保护范围为准。
【主权项】
1. 一种行人检测与跟踪方法，其特征在于，包括： 采用SVM分类器对第一帧行人图像进行检测，得到初始目标矩形区域，并计算所述初始 目标矩形区域的方向梯度直方图； 计算所述初始目标矩形区域在HSV颜色空间的色调分量直方图，并根据所述初始目标 矩形区域的色调分量直方图计算所述初始目标矩形区域的颜色直方图； 对所述初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，得到所述初 始目标矩形区域的综合直方图； 从第二帧行人图像开始，根据上一帧行人图像对应的上一目标矩形区域的综合直方 图，在当前帧行人图像中寻找当前目标矩形区域，以使所述当前目标矩形区域的综合直方 图与所述上一目标矩形区域的综合直方图的匹配度最高。2. 根据权利要求1所述的方法，其特征在于，根据所述初始目标矩形区域的色调分量直 方图计算所述初始目标矩形区域的颜色直方图，包括： 将RGB颜色空间的R、G和B三个颜色子空间分别划分为Q级，得到N! = 3Q个RGB颜色空间的 特征通道； 采用均值漂移算法，统计各个特征通道在所述初始目标矩形区域中出现的概率以得到 所述初始目标矩形区域的颜色直方图。3. 根据权利要求2所述的方法，其特征在于，采用均值漂移算法，统计各个特征通道在 所述初始目标矩形区域中出现的概率以得到所述初始目标矩形区域的颜色直方图，具体 为： 采用式1计算得到所述初始目标矩形区域的颜色直方图；a弋1 其中，u为第u个特征通道，y为中心点的特征值，九为第u个特征通道在初始目标矩 形区域中出现的概率，c为归一化常数，i为第i个样本点，η为样本点的总数，k为在半径为h 的高维球形区域中的样本点的数量，Xl为第i个样本点的特征值，h为高维球形区域的半径， bi(xi)为样本点xi所属的颜色空间的特征通道，S[bi(xi)-u]为单位脉冲函数，Νι为颜色空间 的特征通道的总数。4. 根据权利要求1至3任意一项所述的方法，其特征在于，计算所述初始目标矩形区域 的方向梯度直方图，包括： 对所述初始目标矩形区域进行灰度化； 对灰度化的目标矩形区域进行Gamma校正； 计算校正后的目标矩形区域中每个像素的梯度； 将梯度划分为P级，得到P个梯度特征通道，并采用均值漂移算法计算所述初始目标矩 形区域的方向梯度直方图。5. 根据权利要求4所述的方法，其特征在于，采用均值漂移算法计算所述初始目标矩形 区域的方向梯度直方图，具体为： 采用式2计算得到所述初始目标矩形区域的方向梯度直方图；式2 其中，u为第u个特征通道，y为中心点的特征值，瓦(>'；)为第u个特征通道在初始目标矩 形区域中出现的概率，c为归一化常数，i为第i个样本点，η为样本点的总数，k为在半径为h 的高维球形区域中的样本点的数量，Xl为第i个样本点的特征值，h为高维球形区域的半径， b2(xi)为样本点xi所属的梯度特征通道，S[b2(xi)_u]为单位脉冲函数，Νι为颜色空间的特征 通道的总数，Ns-NfP为梯度特征通道的总数，N 2为特征通道的总数。6. 根据权利要求1至5任意一项所述的方法，其特征在于，对所述初始目标矩形区域的 方向梯度直方图和颜色直方图进行加权处理，得到所述初始目标矩形区域的综合直方图， 包括： 设置一单调递减权值函数； 根据所述单调递减权值函数对所述初始目标矩形区域的方向梯度直方图和颜色直方 图进行加权处理，计算得到所述初始目标矩形区域的综合直方图。7. 根据权利要求6所述的方法，其特征在于，设置一单调递减权值函数具体为： 采用式3设置所述单调递减权值函数； 式3: \ / ^ / · j. 其中，u为第u个特征通道，Λ为颜色空间的特征通道的总数，N2为特征通道的总数； 根据所述单调递减权值函数对所述初始目标矩形区域的方向梯度直方图和颜色直方 图进行加权处理，计算得到所述初始目标矩形区域的综合直方图，具体为： 采用式4对所述初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，计 算得到所述初始目标矩形区域的综合直方图；式4 其中，y为中心点的特征值，瓦为第u个特征通道在初始目标矩形区域中出现的概 率，c为归一化常数，i为第i个样本点，η为样本点的总数，k为在半径为h的高维球形区域中 的样本点的数量，Xl为第i个样本点的特征值，h为高维球形区域的半径，h(Xl)为样本点^ 所属的颜色空间的特征通道，b2(xi)为样本点xi所属的梯度特征通道，3[bi(xi)-u]和5[b2 ( Xl)_u]为单位脉冲函数，他为颜色空间的特征通道的总数，Ns-NpP为梯度特征通道的总 数，N2为特征通道的总数。8. 根据权利要求1至7任意一项所述的方法，其特征在于，从第二帧行人图像开始，根据 上一帧行人图像对应的上一目标矩形区域的综合直方图，在当前帧行人图像中寻找当前目 标矩形区域，以使所述当前目标矩形区域的综合直方图与所述上一目标矩形区域的综合直 方图的匹配度最高，包括： 从所述第二帧图像开始，采用连续自适应的均值漂移算法，将所述上一目标矩形区域 作为所述当前目标矩形区域的初始值； 调整所述当前目标矩形区域的大小和位置，以使所述当前目标矩形区域的综合直方图 与所述上一目标矩形区域的综合直方图的匹配度最高。9. 一种行人检测与跟踪装置，其特征在于，包括： 方向梯度直方图计算模块，用于采用SVM分类器对第一帧行人图像进行检测，得到初始 目标矩形区域，并计算所述初始目标矩形区域的方向梯度直方图； 颜色直方图计算模块，用于计算所述初始目标矩形区域在HSV颜色空间的色调分量直 方图，并根据所述初始目标矩形区域的色调分量直方图计算所述初始目标矩形区域的颜色 直方图； 综合直方图计算模块，用于对所述初始目标矩形区域的方向梯度直方图和颜色直方图 进行加权处理，得到所述初始目标矩形区域的综合直方图； 目标矩形区域寻找模块，用于从第二帧行人图像开始，根据上一帧行人图像对应的上 一目标矩形区域的综合直方图，在当前帧行人图像中寻找当前目标矩形区域，以使所述当 前目标矩形区域的综合直方图与所述上一目标矩形区域的综合直方图的匹配度最高。10. 根据权利要求9所述的装置，其特征在于，所述颜色直方图计算模块包括： 颜色特征通道划分子模块，用于将RGB颜色空间的R、G和B三个颜色子空间分别划分为Q 级，得到N! = 3Q个RGB颜色空间的特征通道； 颜色直方图计算子模块，用于采用均值漂移算法，统计各个特征通道在所述初始目标 矩形区域中出现的概率以得到所述初始目标矩形区域的颜色直方图。11. 根据权利要求10所述的装置，其特征在于，所述颜色直方图计算子模块具体用于： 采用式1计算得到所述初始目标矩形区域的颜色直方图；式1 其中，u为第u个特征通道，y为中心点的特征值，及,(63为第u个特征通道在初始目标矩 形区域中出现的概率，c为归一化常数，i为第i个样本点，η为样本点的总数，k为在半径为h 的高维球形区域中的样本点的数量，Xl为第i个样本点的特征值，h为高维球形区域的半径， bi(xi)为样本点xi所属的颜色空间的特征通道，S[bi(xi)-u]为单位脉冲函数，Νι为颜色空间 的特征通道的总数。12. 根据权利要求9-11任意一项所述的装置，其特征在于，所述方向梯度直方图计算模 块包括： 灰度化子模块，用于对所述初始目标矩形区域进行灰度化； 校正子模块，用于对灰度化的目标矩形区域进行Gamma校正； 梯度计算子模块，用于计算校正后的目标矩形区域中每个像素的梯度； 方向梯度直方图计算子模块，用于将梯度划分为P级，得到P个梯度特征通道，并采用均 值漂移算法计算所述初始目标矩形区域的方向梯度直方图。13. 根据权利要求12所述的装置，其特征在于，所述方向梯度直方图计算子模块具体用 于： 将梯度划分为P级，得到P个梯度特征通道，并采用式2计算得到所述初始目标矩形区域 的方向梯度直方图；式2 其中，u为第u个特征通道，y为中心点的特征值，瓦(>'；)为第u个特征通道在初始目标矩 形区域中出现的概率，c为归一化常数，i为第i个样本点，η为样本点的总数，k为在半径为h 的高维球形区域中的样本点的数量，Xl为第i个样本点的特征值，h为高维球形区域的半径， b2(xi)为样本点xi所属的梯度特征通道，S[b2(xi)_u]为单位脉冲函数，Νι为颜色空间的特征 通道的总数，Ns-NfP为梯度特征通道的总数，N 2为特征通道的总数。14. 根据权利要求9至13任意一项所述的装置，其特征在于，所述综合直方图计算模块 包括： 单调递减权值函数设置子模块，用于设置一单调递减权值函数； 综合直方图计算子模块，用于根据所述单调递减权值函数对所述初始目标矩形区域的 方向梯度直方图和颜色直方图进行加权处理，计算得到所述初始目标矩形区域的综合直方 图。15. 根据权利要求14所述的装置，其特征在于，所述单调递减权值函数设置子模块具体 用于： 采用式3设置所述单调递减权值函数；式3 其中，u为第u个特征通道，Λ为颜色空间的特征通道的总数，N2为特征通道的总数； 所述综合直方图计算子模块具体用于： 采用式4对所述初始目标矩形区域的方向梯度直方图和颜色直方图进行加权处理，计 算得到所述初始目标矩形区域的综合直方图；式4 其中，y为中心点的特征值，瓦为第u个特征通道在初始目标矩形区域中出现的概 率，c为归一化常数，i为第i个样本点，η为样本点的总数，k为在半径为h的高维球形区域中 的样本点的数量，Xl为第i个样本点的特征值，h为高维球形区域的半径，h(Xl)为样本点^ 所属的颜色空间的特征通道，b2(xi)为样本点xi所属的梯度特征通道，3[bi(xi)-u]和5[b2 ( Xl)_u]为单位脉冲函数，他为颜色空间的特征通道的总数，Ns-NpP为梯度特征通道的总 数，N2为特征通道的总数。16. 根据权利要求9至15任意一项所述的装置，其特征在于，所述目标矩形区域寻找模 块包括： 初始值设置子模块，用于从所述第二帧图像开始，采用连续自适应的均值漂移算法，将 所述上一目标矩形区域作为所述当前目标矩形区域的初始值； 目标矩形区域调整子模块，用于调整所述当前目标矩形区域的大小和位置，以使所述 当前目标矩形区域的综合直方图与所述上一目标矩形区域的综合直方图的匹配度最高。
【文档编号】G06K9/46GK105957107SQ201610270253
【公开日】2016年9月21日
【申请日】2016年4月27日
【发明人】冯伟明
【申请人】北京博瑞空间科技发展有限公司