一种基于自适应核函数和均值移位的人体跟踪方法
【专利摘要】本发明涉及一种基于自适应核函数和均值移位的人体跟踪方法，包括两个阶段：第一为学习阶段，先读入一组人体行走的训练样本，通过降维算法将人体前景形状映射为低维空间中的坐标，得到低维人体形状空间，再通过插值重建算法还原人体前景形状，得到可实现低维映射到高维的插值重建算法的参数；第二为跟踪阶段，在低维人体形状空间里寻找到视频帧中的人体最佳核形状，再利用均值移位算法对视频帧中的人体进行跟踪。与现有技术相比，本发明方法改善了传统均值移位算法中核函数形状，使得核函数形状不是固定的，而是根据跟踪目标人体形状变化而自适应变化，再在高维空间进行核函数直方图建模和匹配，从而提高人体跟踪技术的性能。
【专利说明】一种基于自适应核函数和均值移位的人体跟踪方法
【技术领域】
[0001]本发明涉及一种图像处理与计算机视觉【技术领域】，尤其是涉及一种基于自适应核函数和均值移位的人体跟踪方法。
【背景技术】
[0002]目标跟踪是视频监督中的一个重要分支，近年来取得了很大的进展。目前在目标跟踪走向实用化的过程中，却遇到了很多问题，如物体遮挡、背景低对比度、复杂物体运动等等，其中最主要的问题就是人体跟踪问题，这是因为人体属于非刚性物体结构，即是有形变的物体，尤其是在人体运动时，人体形状是变化的，这就大大增加了目标跟踪的难度，这既是制约目标跟踪实际应用的瓶颈，又是目标跟踪研究中的热点和难点。
[0003]近几十年国内外许多研究者开始对目标跟踪进行研究，这些方法可分为三类:第一类是基于点的目标跟踪法，即通过检测和匹配每帧中目标特征点来跟踪目标，其中单点目标跟踪方法适合于跟踪小目标物体，对于比较大的跟踪目标，可采用多点目标跟踪方法，即通过检测和匹配每帧中目标的多个特征点实现对目标进行跟踪，这种方法不适合于特征点误检测和目标被遮挡的情况，对这类情况该方法常常表现得无能为力；第二类是基于轮廓的目标跟踪法，通过描述目标轮廓实现对目标的跟踪，这种方法比较灵活，并且可以处理各种各样轮廓的目标；第三种是基于核的目标跟踪法，通过模型区域来描述目标，预测出物体的运动，实现目标的跟踪。
[0004]在基于核的目标跟踪法中，均值移位算法是一种有效的非参数方法，它是根据核密度估计样本分布从而寻找最近的点模式，它具有低计算量、容易实现、实时响应以及良好的跟踪鲁棒性等优点，因此目前非常流行并广泛应用在目标跟踪。但是经典的均值移位算法还存着许多不足，其中最主要的问题之一就是目标的形体变化问题。视频中目标形体变化一般可分为有两类，一类是全局变化，另一类是目标自形变。
[0005]全局变化包括目标尺寸和目标旋变化，目标尺寸变化是由于透视效果造成的尺寸上的变化，在对物体进行跟踪时，这就要求跟踪框可以随着目标尺寸的变化而变化；当目标发生旋转时，也需要跟踪框跟随目标进行旋转。解决的办法就是尝试不同的核带宽和不同的核角度来选择合适的核带宽和核角度，从而使得跟踪框可以跟随目标的变化而变化。
[0006]目标自形变指当目标是非刚性物体并且运动时通常会有自身的形变，如人体行走，这时传统均值移位算法中的对称规则核，如矩形核、椭圆核等，已不能准确地描述物体的形状，在跟踪人体目标时传统均值移位算法的椭圆形或矩形核函数包含有背景区域的点，这些点就会作为人体前景点在跟踪过程中起作用，这就会导致跟踪定位不准确，出现误跟踪、丢失跟踪目标等问题。此外，传统的均值移位算法只能对人体目标跟踪定位，而无法准确地描绘出人体形状。
【发明内容】
[0007]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于自适应核函数和均值移位的人体跟踪方法。
[0008]本发明的目的可以通过以下技术方案来实现:一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，包括两个阶段:第一为学习阶段，先读入一组人体行走的训练样本，通过降维算法将人体前景形状映射为低维空间中的坐标，得到低维人体形状空间，再通过插值重建算法还原人体前景形状，得到可实现低维映射到高维的插值重建算法的参数；第二为跟踪阶段，具体跟踪方法按以下步骤处理:
[0009]步骤1.读入与训练样本同样拍摄角度的包含被跟踪人体的视频，先把视频分解成1+1帧图像Fk，k=0，1，…，1，定义初始帧时k=0，再在初始帧中进行参数初始化:(11)确定被跟踪人体在初始帧中的边缘形状和位置yk，并以此边缘形状作为核形状shapek,定义j为人体跟踪次数变量，t为人体跟踪次数上限；(12)建立帧Fk中被跟踪人体的核形状Shapek在位置yk的模型，并将初始帧中被跟踪人体的模型作为标准目标模型；
[0010]步骤2.判断当前帧Fk是否为视频帧序列的最后一帧F1,若是则视频跟踪结束，跳出循环，否则更新k=k+l, j=l，读取下一帧Fk,令帧Fk中的核形状shapek = Shapelrf,位置Yk=Yk-1，继续人体跟踪；
[0011]步骤3.以当前帧Fk中被跟踪人体的位置yk为起始搜索位置，用均值移位跟踪算法在起始搜索位置附近搜索得到当前帧中被跟踪人体的最佳位置；
[0012]步骤4.以当前帧Fk中被跟踪人体的核形状Shapek为起始搜索核形状，在学习阶段得到的低维人体形状空间中，寻找被跟踪人体核形状对应的理想坐标，利用插值重建算法重建对应的高维特征，并利用高维特征重建最佳核形状；
[0013]步骤5.判断是否 满足j>t,是则返回步骤2,否则更新j=j+l,返回步骤3。
[0014]步骤(12)所述的建立帧Fk中被跟踪人体的核形状Shapek在位置yk的模型的具体过程为，
[0015]121)先计算核函数Kk(Xi),核函数的计算公式为，
【权利要求】
1.一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，包括两个阶段:第一为学习阶段，先读入一组人体行走的训练样本，通过降维算法将人体前景形状映射为低维空间中的坐标，得到低维人体形状空间，再通过插值重建算法还原人体前景形状，得到可实现低维映射到高维的插值重建算法的参数；第二为跟踪阶段，具体跟踪方法按以下步骤处理:步骤1.读入与训练样本同样拍摄角度的包含被跟踪人体的视频，先把视频分解成1+1帧图像Fk，k=0,1，…，1，定义初始帧时k=0，再在初始帧中进行参数初始化:(11)确定被跟踪人体在初始帧中的边缘形状和位置yk，并以此边缘形状作为核形状shapek,定义j为人体跟踪次数变量，t为人体跟踪次数上限；(12)建立帧Fk中被跟踪人体的核形状Shapek在位置yk的模型，并将初始帧中被跟踪人体的模型作为标准目标模型；步骤2.判断当前帧Fk是否为视频帧序列的最后一帧F1，若是则视频跟踪结束，跳出循环，否则更新k=k+l, j=l,读取下一帧Fk,令帧Fk中的核形状Shapek=Shapelrf,位置yfyH，继续人体跟踪；步骤3.以当前帧Fk中被跟踪人体的位置yk为起始搜索位置，用均值移位跟踪算法在起始搜索位置附近搜索得到当前帧中被跟踪人体的最佳位置；步骤4.以当前帧Fk中被跟踪人体的核形状Shapek为起始搜索核形状，在学习阶段得到的低维人体形状空间中，寻找被跟踪人体核形状对应的理想坐标，利用插值重建算法重建对应的高维特征，并利用高维特征重建最佳核形状；步骤5.判断是否满足j>t，是则返回步骤2，否则更新j=j+l，返回步骤3。
2.根据权利要求1所述的一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，步骤(12)所述的建立帧Fk中被跟踪人体的核形状Shapek在位置yk的模型的具体过程为，121)先计算核函数Kk(Xi),核函数的计算公式为，
3.根据权利要求2所述的一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，实施步骤3跟踪最佳位置的具体过程为:(31)初始化:定义位置变量Λ=Λ，iP为位置跟踪次数变量，np为位置跟踪次数上限，并预设ip=l ;(32)建立帧Fk中被跟踪人体的核形状Shapek在位置Λ的模型，记为第一候选模型，计算第一候选模型与标准目标模型的相似度，记竹P1(33)更新帧Fk中被跟踪人体的位置得到新位置J)2,
4.根据权利要求3所述的一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，实施步骤4跟踪最佳核形状的具体过程为:(41)初始化:411)计算训练样本的身高和腹部宽度的比例rf，并利用该比例归一化调整核形状Shapek，在低维人体形状空间中找到帧Fk中被跟踪人体的当前核形状shape,对应的坐标Shapexkci,并定义坐标变量Shapexkis,预设其初始值为shapexk。；412)建立帧Fk中被跟踪人体的核形状Shapek在位置yk的模型，并计算该模型与标准目标模型之间的相似度，定义Shapexmax和C分别为迭代过程中搜索到的最佳核形状对应的坐标和相似度，预设shapexmax=shapexk
5.根据权利要求4所述的一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，所述的计算候选模型与标准目标模型之间的相似度的方法具体是，选取Bhattacharyya系数作为相似性函数计算两者之间的相似度，Bhattacharyya系数的计算方法为，
6.根据权利要求4所述的一种基于自适应核函数和均值移位的人体跟踪方法，其特征在于，所述的插值重建算法为径向基核函数算法。
【文档编号】G06K9/00GK103559723SQ201310488684
【公开日】2014年2月5日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】刘春梅 申请人:同济大学