一种融合多尺度超像素的目标跟踪方法
【专利摘要】本发明公开了一种融合多尺度超像素的目标跟踪方法，通过构建基于超像素的判别式表观模型，获得更准确的目标置信图，有效提高目标跟踪的准确度与鲁棒性。具体来说，采用不同尺度的超像素分类结果对一个像素点的属性投票，从而获取到更加准确的置信图；其次，通过不断更新分类器来更新表观模型，能够不断地适应光照变化、复杂背景等场景，从而达到更为准确与鲁棒的跟踪。
【专利说明】一种融合多尺度超像素的目标跟踪方法
【技术领域】
[0001]本发明属于计算机视觉识别【技术领域】，更为具体地讲，涉及一种融合多尺度超像素的目标跟踪方法。
【背景技术】
[0002]近年来，目标跟踪算法受到越来越多的研究者们的关注，主要是因为视频跟踪技术具有极为广阔的市场应用前景，运动目标跟踪作为一门跨学科的前沿技术，融合了图像处理、模式识别、人工智能、自动控制等多种不同领域的理论知识，在视频监控、智能交通、视频压缩、视觉导航以及人机交互等众多领域中有着广阔的应用前景。
[0003]近年来，在运动目标跟踪问题上，总体来说有两种思路，一种是描述性跟踪算法，为了更好的描述目标，通过建立目标的表观模型，从而通过匹配的方法完成跟踪。另一种是判别式跟踪，判别式跟踪方法将目标跟踪问题转换为一个区别目标与背景的分类问题。相比于建立复杂的目标表观模型来描述被跟踪目标，判别式跟踪方法的目标为寻找一个最优的分类面来区别背景与前景，通常使用的分类器有Adaboost与SVM (Support VectorMachine)，可以有效地解决光照变化、摄像机视角改变等外在因素对于目标跟踪的影响。其中,EM (ensembIe tracking)为典型的判别式跟踪方法,该方法将跟踪问题转换为判断每个像素点是否为前景的分类问题，从而绘制感兴趣区域的置信图，而置信图是指感兴趣区域内部每个像素点的属性标记(属于目标还是背景)分布图。尽管该方法训练得到的Adaboost分类器能够有效地区别背景与前景，然而基于每个像素点的特征表达具有一定的局限性，在长时间遮挡或者严重遮挡情况下，不能有效地跟踪目标，具体算法可参考文献[I]:ShaiAvidanj Ensemble Tracking，IEEE Trans, on Pattern Analysis and Machine Intelligence，vol.29，pp.261 - 271，2007.[0004]超像素是由具有相似颜色、纹理等特征的相邻像素构成的图像块，能够捕获图像的冗余信息，从而大大降低图像后续处理，如减小目标识别、图像分割等任务的复杂度，因此在计算机视觉应用中越来越受到人们的重视。基于超像素分割的判别式目标跟踪算法(superpixel tracking)的原理是通过meanshift聚类算法将超像素块区分为前景与背景，然后在新的一帧图像中找到最优目标，完成一次跟踪。虽然该算法在目标发生遮挡、漂移等情况下具有很好的鲁棒性，但是由于该算法是基于超像素块的判别结果，目标跟踪的准确度直接取决于超像素块尺度的选取，尤其是不同尺度下的超像素分割得到的特征向量有所不同，小尺度超像素块的特征在颜色与纹理信息上具有高度一致性，但忽略了大部分的边缘信息与大小信息，大尺度超像素块的特征在颜色与纹理信息上有较低的一致性，但它们可以保留边缘信息与大小信息。具体算法可参考文献[2]:ShuWang，HuchuanLu,Fan Yang, Ming-Hsuan Yang,Superpixel Tracking,IEEETrans.0n ComputerVision, pp.1323 - 1330，2011.
【发明内容】
[0005]本发明的目的在于克服现有技术的不足，提供一种融合多尺度超像素的目标跟踪方法，从而获得更准确的目标置信图，有效提高目标跟踪的准确度和鲁棒性。
[0006]为实现上述发明目的，本发明一种融合多尺度超像素的目标跟踪方法，其特征在于，包括以下步骤:
[0007]一种融合多尺度超像素的目标跟踪方法，其特征在于，包括以下步骤:
[0008](I)、构建基于超像素的判别式表观模型:
[0009](1.1)、获取超像素块；在给定的目标跟踪样本序列I1, I2, I3,…Im中，M为样本序列的帧数，对第一帧图像I1，以(X1^1)为中心，提取包含目标的高度为h和宽度为W的矩形区域S1,其中，h和w与目标的尺寸IipW1的比例关系为:h = 1.5*11” w = 1.5*?^,通过SLIC算法对区域S1进行d种尺度的超像素分割，其中d为尺度的总层数，每一层有Nj个超像素块 Spi, i = l,2,…Nj, j = I, 2, d ；
[0010](1.2)、对于第j个尺度来说，提取Nj个超像素块SPi的颜色直方图与梯度直方图，按行排列组成特征矩阵W ;
[0011]设颜色直方图的维度为i*f。，梯度直方图的维度为i*fh，第i个超像素特征的总维度为l*(f；+fh)，逐一计算每个超像素的颜色直方图与梯度直方图，得到维度为NjMfJfh)的特征矩阵W，每一行Wi代表第i个超像素的特征；根据先验知识，初始化每一个超像素的类别标记，构建类别标记列向量L，其中每一个元素Li代表第i个超像素的类别，Li与超像素块Spi的关系可表式为:
[0012]
【权利要求】
1.一种融合多尺度超像素的目标跟踪方法，其特征在于，包括以下步骤: (1)、构建基于超像素的判别式表观模型: (1.1)、获取超像素块；在给定的目标跟踪样本序列I1, I2, I3)…Im中，M为样本序列的帧数，对第一帧图像I1，以(Xl，yi)为中心，提取包含目标的高度为h和宽度为W的矩形区域S1，其中，h和w与目标的尺寸Vw1的比例关系为:h = 1.5*11” w=l.5*?^,通过SLIC算法对区域S1进行d种尺度的超像素分割，其中d为尺度的总层数，每一层有Nj个超像素块Spi, i = I, 2, Nj, j = I, 2，…d ； (1.2)、对于第j个尺度来说，提取Nj个超像素块Spi的颜色直方图与梯度直方图，按行排列组成特征矩阵W ; 设颜色直方图的维度为l*f。，梯度直方图的维度为l*fh，第i个超像素特征的总维度为l*(f；+fh)，逐一计算每个超像素的颜色直方图与梯度直方图，得到维度为NjMfJfh)的特征矩阵W，每一行Wi代表第i个超像素的特征；根据先验知识，初始化每一个超像素的类别标记，构建类别标记列向量L，其中每一个元素Li代表第i个超像素的类别，Li与超像素块Spi的关系可表式为:
2.根据权利要求1所述的融合多尺度超像素的目标跟踪方法，其特征在于，所述的尺度层数d = 3，分别对应的超像素个数为=N1 = 200，N2 = 400，N3 = 600。
【文档编号】G06T7/20GK103886619SQ201410100685
【公开日】2014年6月25日 申请日期:2014年3月18日 优先权日:2014年3月18日
【发明者】周雪, 邹见效, 徐红兵, 李文茹 申请人:电子科技大学