专利名称：基于Mean Shift和块匹配的运动目标跟踪方法
技术领域：
本发明涉及一种运动目标跟踪方法，属于计算机视觉技术和视频图像处理技术领域。
背景技术：
视频目标跟踪是计算机视觉研究领域中最热门的研究课题之一，是一项融合图像处理、模式识别、人工智能及自动控制等多种不同领域的先进技术，形成了一种能从图像信号中实时提取目标位置、自动跟踪运动目标的技术。随着科学的迅速发展，计算机的计算能力得到了明显增强，从而使利用计算机实现人类的视觉功能成为可能。无论在民用还是在军事领域，运动目标跟踪技术的应用前景都是十分广阔的，特别是近年来，目标跟踪问题正处于国际研究热潮之中。目标跟踪技术除了在智能视频监控系统中具有非常重要的应用外，在人机交互、机器人视觉导航、图像压缩、智能交通系统等领域也有重要应用。除了上述民用方面的应用之外，运动目标跟踪技术在军事上特别是制导和导航方面也有广泛的应用前景。视频目标跟踪是指从包含有运动目标的视频中提取、识别和跟踪运动目标，进而获得其位置及运动轨迹等运动目标的运动参数，经过进一步的分析和处理，达到理解目标运动行为的目的，进而可以完成更高级别的任务。然而，对人类视觉跟踪的实现机理的认识目前在科学界并不完全统一，使得建立一个统一的视觉跟踪数学模型更是不可能的，因此， 基于视觉的目标跟踪仍然还需要进行不断地探索和改进。目前，常用的跟踪方法有卡尔曼滤波、粒子滤波器、Mean Shift算法及动态贝叶斯网络等等。计算机视觉领域的研究重点且难点问题之一在于如何对运动目标进行稳定、 鲁棒的跟踪。复杂的背景、目标发生形变、摄像机发生相对位移、光照改变、目标被遮挡等因素都会增加目标跟踪的复杂性。现有技术常用的跟踪方法存在着不能对运动目标进行稳定跟踪、精确跟踪等缺陷。
发明内容
本发明要解决的技术问题是，提供一种基于Mean Shift和块匹配的运动目标跟踪方法，以克服现有技术存在的不能对运动目标进行稳定跟踪等不足。为了解决所述的技术问题，本发明采用以下技术方案它包括以下步骤
步骤一，确定首要目标模型与次要目标模型。读取视频，在视频的参考帧手动选取感兴趣的目标作为首要目标模型，在该首要目标模型周围扩展η个像素作为次要模型；
步骤二，用Mean Shift算法求出次要目标模型在当前帧所处位置。基于次要目标模型的RGB颜色分布特征，利用Mean Shift算法根据前一帧的信息跟踪次要目标模型，找出该次要目标模型在当前帧的最佳位置；
步骤三，根据步骤二得到的次要目标模型位置，采用块匹配在次要目标模型范围内得出首要目标模型的位置。
在次要目标模型的范围内利用基于互相关系数的块匹配准则，从左上角逐点求取次要目标模型范围内与主要目标模型相同大小的块的相关系数，找出次要目标模型范围内与主要目标模型相关系数最大的块，即为首要模型的最佳位置。本发明提出了基于Mean Shift和块匹配的视频运动目标跟踪方法。本发明提高了 Mean Shift算法跟踪的精度，实现了对某些Mean Shift所不能跟踪到的情形的精确跟
S示ο智能视频监控系统、人机交互、机器人视觉导航、图像压缩、智能交通系统、军事上的制导和导航方面等领域都会涉及到视频目标跟踪问题，本发明可以解决单独应用Mean Shift所不能跟踪到目标的部分实际问题，为相关领域解决相关问题提供有效的技术支持和协作。
图1为本发明的流程图2为参考帧图像及主要目标模型、次要目标模型的位置；
图3为当前帧跟踪结果，其中Mean Shift算法算出的次要目标模型最佳位置，块匹配所定位的主要目标模型最佳位置；
图4、图5为整个算法在一个完整的测试序列得出的实验仿真结果。
具体实施例方式
具体实施例方式为使本发明的目的、技术方案和效果更加清楚，以下结合具体实施步骤，并参照附图，对本发明进一步详细说明。图1为本发明方法的流程图，具体包括以下几个步骤
步骤一，确定首要目标模型与次要目标模型。读取视频后，在参考帧上手动选取主要目标模型与次要目标模型，如图2所示，尺寸较小的框为主要目标模型，尺寸较大的框为次要目标模型。步骤二，用Mean Shift算法求出次要目标模型在当前帧所处位置。Mean shift 算法是一种半自动跟踪方法，在参考帧，通过手工确定搜索窗口来选择运动目标。计算核函数加权下的搜索窗口的直方图分布，用同样的方法计算当前帧对应窗口的直方图分布，以两个分布的相似性最大为原则，使搜索窗口沿密度增加最大的方向，移动目标的真实位置， 如图3所示，尺寸较大的框内即为Mean Shift算法在当前帧所算出的最佳位置。其过程如下
1)初始帧的目标模型。将RGB颜色空间中的每个子空间R、G或者B分成k个相等的区间，每个区间成为一个特征值，构成特征空间，特征空间的特征值的个数为《功3。那么在初始帧，包含目标的搜索窗口中，第《个特征值的概率为。
β 丨2
qM = C^k((1)
μ ^ I式中是搜索窗口的中心像素坐标，A是第i个像素的坐标汝(I k I2)是核函数，力表示核函数的带宽，一般等于窗口宽度的一半；函数力和J的作用是判断A处的颜色
权利要求
1.一种基于Mean Shift和块匹配的运动目标跟踪方法，其特征在于包括以下步骤步骤一确定首要目标模型与次要目标模型；步骤二 用Mean Shift算法求出次要目标模型在当前帧所处位置；步骤三根据步骤二得到的次要目标模型位置，采用块匹配在次要目标模型范围内得出首要目标模型的最佳位置。
2.根据权利要求1所述的基于MeanShift和块匹配的运动目标跟踪方法，其特征在于，步骤一中确定首要目标模型与次要目标模型，需要读取视频，在视频的参考帧中选取感兴趣的目标模型作为主要目标模型，在该首要目标模型周围扩展η个像素作为次要模型。
3.根据权利要求1所述的基于MeanShift和块匹配的运动目标跟踪方法，其特征在于，步骤二中用Mean Shift算法求出次要目标模型在当前帧所处位置，是基于次要目标模型的RGB颜色分布特征，利用Mean Shift算法根据前一帧的信息跟踪次要目标模型，找出该次要目标模型在当前帧的最佳位置。
4.根据权利要求1所述的基于MeanShift和块匹配的运动目标跟踪方法，其特征在于，步骤三中根据步骤二得到的次要目标模型位置，采用块匹配在次要目标模型范围内得出首要目标模型的最佳位置，是指采用块匹配在该次要模型的范围内，利用相关系数逐点进行计算，找出相关系数最大的首要目标模型位置，即为首要模型的最佳位置。
全文摘要
本发明公开了一种基于MeanShift和块匹配的运动目标跟踪方法，其特征在于包括以下步骤步骤一确定首要目标模型与次要目标模型；步骤二用MeanShift算法求出次要目标模型在当前帧所处位置；步骤三根据步骤二得到的次要目标模型位置，采用块匹配在次要目标模型范围内得出首要目标模型的最佳位置。本发明提高了MeanShift算法跟踪的精度，实现了对某些MeanShift所不能跟踪到的情形的精确跟踪，可以在智能视频监控系统、人机交互、机器人视觉导航、图像压缩、智能交通系统、军事上的制导和导航方面等领域获得应用。
文档编号G06T7/20GK102231207SQ20111016813
公开日2011年11月2日 申请日期2011年6月22日 优先权日2011年6月22日
发明者刘本永, 廖翔, 王志伟 申请人:贵州大学