一种基于加权直方图模型的改进CamShift跟踪方法
【技术领域】
[0001] 本发明属于图像处理与目标跟踪领域，涉及一种改进的CamShift跟踪方法，特别 涉及一种基于加权直方图模型的改进CamShift跟踪方法。
【背景技术】
[0002] 目标识别与跟踪技术一直是计算机视觉领域的热点研宄问题，其可在军事、安防、 监控、交通等许多领域有着重要的应用价值。由于目标运动具有复杂性，经常会发生姿态、 平移、旋转、缩放等变化，另外，背景信息以及光照的不均匀性等原因都会对跟踪结果产生 较大的干扰。
[0003] 均值漂移（MeanShift)方法以及在此基础上提出的连续自适应的 MeanShift (Continuously Adaptive Mean-SHIFT，CamShift)方法由于具有快速匹配的特 点得到了广泛的应用。尤其CamShift方法能够自适应调整模板，对目标的各种姿态变化具 有很好的适应性。这类方法特别适用于目标与背景具有明显对比度的情况下。但当背景过 于复杂时，目标与背景的对比度不够明显，背景信息就会对模板的自适应调整产生干扰，从 而破坏模型的准确性，降低跟踪方法的性能。
[0004] 因此，设计一种具有较强抗干扰能力的改进CamShift跟踪方法具有很好的应用 价值。
【发明内容】
[0005] 本发明所要解决的技术问题是，针对CamShift跟踪方法在复杂背景中跟踪性能 下降的缺点，设计一种基于加权直方图模型的改进CamShift跟踪方法。
[0006] 本发明所采用的技术方案是：一种基于加权直方图模型的改进CamShift跟踪方 法，将目标区的色度与背景区的色度进行比较，确定出易于区分目标的显著性色度，对色度 直方图模型进行加权，增强显著性色度在目标识别中的作用，从而抑制背景信息对目标识 别的干扰，提高跟踪方法的适应性。
[0007] 本发明的目的在于在现有的CamShift跟踪方法的基础上设计一种改进的 CamShift跟踪方法，提高目标区中显著性色度在目标识别中的作用，抑制非显著色度的作 用，提高跟踪方法的适应能力，具有很好的实用性。
【附图说明】
[0008] 图1是传统CamShift方法跟踪效果图。
[0009] 图2是本发明方法跟踪效果图。
【具体实施方式】
[0010] 下面结合附图对本发明作进一步详细说明。
[0011] 在HSV颜色空间内对目标进行建模，目标采用色度（Hue)直方图进行描述。设目 标中的第i个像素的坐标位置为{(Xi，Yi) }，像素的色度特征等级划分为m级，设目标中的第 i个像素的色度特征等级值为b (Xi，yi)，则基本目标的色度直方图模型可建立为q = {qu}， u = 1，2, · · ·，m :
[0012]
【主权项】
1. 一种基于加权直方图模型的改进CamShift跟踪方法，其特征在于，将目标区的色度 与背景区的色度进行比较，确定出易于区分目标的显著性色度，对色度直方图模型进行加 权，增强显著性色度在目标识别中的作用，从而抑制背景信息对目标识别的干扰。
2. 根据权利要求1所述的一种基于加权直方图模型的改进CamShift跟踪方法，其特 征在于，在HSV颜色空间内对目标进行建模，目标采用色度（Hue)直方图进行描述，设目标 中的第i个像素的坐标位置为{( Xi，Yi) }，像素的色度特征等级划分为m级，设目标中的第 i个像素的色度特征等级值为b (Xi，yi)，则基本目标的色度直方图模型可建立为q = {qu}， u = 1，2, . . .，m *
在当前帧的上一帧图像中以目标所在位置为中心，确定出一个扩展区，扩展区的长和 宽是目标区的1. 2至1. 5倍；扩展区中像素的色度等级的划分与目标区中的相同；设扩展 区中第i个像素的色度特征等级值为b' (Xi，yi)，这样，扩展区的色度直方图模型可建立 为： /=I
目标区中色度等级值u的显著性差异评价值e (U)计算为： e(u) = qu(y)/q' u(y)，u = I --m (3) 设T为给定的显著性阈值，目标色度直方图建立为：
其中，^是一个大的权值，而W2是一个小的权值；当前帧图像的概率投影图中坐标位置 为（X，y)点处的像素的灰度值P (X，y)定义为：
其中，1_」为取整操作。
【专利摘要】本发明属于图像处理与目标跟踪领域，具体为一种基于加权直方图模型的改进CamShift跟踪方法。将目标区的色度与背景区的色度进行比较，确定出易于区分目标的显著性色度，对色度直方图模型进行加权，增强显著性色度在目标识别中的作用，从而抑制背景信息对目标识别的干扰，提高跟踪方法的适应性。本发明适用于运动目标跟踪系统中。
【IPC分类】G06T7-00, G06T5-40
【公开号】CN104637038
【申请号】CN201510108664
【发明人】修春波, 魏世安, 万蓉凤
【申请人】天津工业大学
【公开日】2015年5月20日
【申请日】2015年3月11日