一种基于视觉量子的目标跟踪方法
【技术领域】
[0001] 本发明属于计算机视觉技术领域，具体设及一种基于视觉量子的目标跟踪方法。
【背景技术】
[0002] 运动目标跟踪作为目前国内外计算机视觉领域的研究热点之一，经过50余年的 研究发展，已经取得了较大的成绩。它是一种利用计算机与摄像机模仿"生物视觉系统"对 感兴趣目标进行分析、识别、跟踪及测量的技术，具有无接触、隐蔽性强、精准性高的技术优 点。目标跟踪应用广泛，在仿生机器人、无人驾驶汽车、智能视频监控等自动感知领域具有 重要的研究和应用价值。
[0003] 目标跟踪技术的研究主要有两大方向，一种是建立在运动信息分析基础之上的跟 踪方法，另一种是基于模型分析的目标跟踪方法。利用运动信息分析研究目标跟踪的方法 较多，已形成了众多的算法和标准，基于运动分析的目标跟踪方法，原理简单，实现较为方 便，但是对于遮挡目标的前景与背景信息难W进行区分，容易粘连和失跟。另一种基于模型 的目标跟踪方法可W克服局部遮挡信息的干扰，是目前计算机视觉领域内的主流方法，但 是在目标发生形变与尺度变化时，不能进行稳定跟踪。
[0004] 现有目标跟踪方法的普遍弱点是缺少与遮挡、形状与尺度变化的运动目标相适应 的能力，当目标发生遮挡、形状与尺度变化时，现有跟踪方法因无法适应目标变化，容易丢 失目标，如果现有跟踪方法能在变化的运动目标当中，提炼出不变的特征，将对克服遮挡、 形状与尺度变化等因素对目标跟踪的影响起到不可限量的作用。
【发明内容】
[0005] 针对现有技术存在的问题，本发明提供一种基于视觉量子的目标跟踪方法。
[0006] 本发明的技术方案为；
[0007] -种基于视觉量子的目标跟踪方法，包括如下步骤：
[000引步骤1 ;目标初始化；在待跟踪目标图像中选定目标区域；
[0009] 步骤2 ;针对目标区域，采用福射视觉量子的方法生成目标区域的视觉场空间；进 一步地，在待跟踪目标图像中是利用矩形框选定目标区域。更进一步地通过自上而下的方 式，向目标区域福射视觉量子，形成视觉场空间；
[0010] 则所述的视觉场空间为由aX0个视觉采样单元组成的二维图像感光空间，记 朱
，其中为视觉场空间，下标t代表时间，V。,P代表视觉场 空间中的视觉采样单元；将视觉场空间中包含目标背景信息的视觉采样单元、包含前景信 息的视觉采样单元W及包含背景与前景交界处信息的视觉采样单元均定义为视觉量子；贝。 下标a，0代表视觉量子在视觉场空间中的矩阵位置是a行P列，a和P均为从1开 始的自然数，即l《a< + 〇〇，l《P< + 〇〇;
[0011] 步骤3;量子频率计算；
[0012] 步骤3. 1 ;计算并统计视觉量子内前景信息滴分布的极大值所对应的灰度阶 及背景信息滴分布的极大值所对应的的灰度阶AB;
[0013] 步骤3.2;统计灰度阶AbIp的分布概率PKi；^，进而计算视觉量子VQ的滴基邸BIP;
[0014] 在视觉场空间VFS中，对于任意视觉量子VQ，存在其前景信息滴（p的概率分布 和背景信息滴eB的概率分布，将信息滴与灰度能量的乘积定义为视觉量子VQ的滴基邸， 记为
：上标BIf代表背景B或 前景F，进一步地EEbIp代表视觉量子VQ的背景滴基邸B或前景滴基邸P，abIp代表AP或AB; 下标KI入代表K或A，K、A分别为VQ内Pk|x概率分布所对应的滴的数量；Pk|a 代表PK或PX，表示ABIP出现的概率；背景信息滴r€[分，片，…，任…C];前景信息 滴[打，妊，…，公，…公；I;。、T分别为视觉量子VQ内背景区域滴的数量与前景区域 滴的数量；E(x，y)代表灰度能量，为视觉量子内所有像素的灰度值的平方和，即E(x，y)= 2G(x,y)2,X、y为视觉量子内部像素点坐标，G(x,y)为像素（X，y)的灰度值；
[0015] 步骤3. 3;对滴基进行二维核变换，得到视觉量子VQ的量子频率QF，并对量 子频率QF的变换系数进行归一化处理；
[001引 量子频率QF记为pBlF(u，v，t) =E巧IFkA/43T2u^[eJ'2"(u/"vKA)+eJ'2"uV K+ej'2"vKA+l]，其中，pBlF代表背景量子频率pB或前景量子频率pF，eJ2n(ux/"vy/"t为二维变 换核，e巧"(U入/"VK/入）+eJ2n化入/K+6巧ntvK/入+1称为量子频率变换核的组合，E巧IFK入/4n2uvt 为变换系数；
[0017] 步骤4;量子平衡跟踪；
[0018] 步骤4.1 ;计算量子频率的二阶偏导，进而确定目标边缘区域；
[001引通过计算量子频率QF的二阶偏导，得到目标边缘区域，记为：
[0020] 步骤4. 2 ;保留目标边缘区域的视觉量子，删除其他区域的视觉量子；
[002。步骤4.3 ;建立W视觉量子几何中屯、0化Y)为起点、W目标边缘区域几何中屯、 0'狂'，Y'）为终点的向量3 =品=(义'-疋尸-10;
[0022] 目标边缘区域几何中屯、坐标0 '狂'，Y'）中
目标边缘区域 W(x，y)的像素点数量为n，Xi、y;为9?(y，y)的像素点坐标，1《i《n;
[0023] 步骤4. 4;沿向量g将视觉量子移动至量子平衡状态；
[0024] 将视觉量子沿向量S移动，使视觉量子几何中屯、。化Y)与目标边缘区域几何中 屯、0 '狂'，Y'）重合，此时视觉量子达到平衡状态；
[0025] 步骤5;计算视觉量子的频率积分；
[0026] 视觉量子的频率积分表达式为
其中At为相邻两帖图像的时间 间隔，ppn pB为目标前景量子频率与目标背景量子频率相交的频率范围；
[0027] 步骤6 ;输出跟踪结果；当视觉量子达到量子平衡状态且频率积分相等时，将视觉 量子的位置信息作为目标跟踪结果进行输出。
[002引有益效果；本发明的基于视觉量子的目标跟踪方法与现有技术相比较具有W下优 势：
[0029] 1.抓住了运动目标前景与背景交界处具有的频率不变性的特点，将频率不变性采 用多个视觉量子进行描述，可W有效克服遮挡、形状与尺度变化等因素对运动目标跟踪的 影响，失跟率较低；
[0030] 2.相对于现有技术，视觉量子计算过程简单，不需要存储目标多种姿态模型，计算 复杂度和空间复杂度较低，跟踪实时性较高。
【附图说明】
[0031] 图1为本发明一种实施方式的基于视觉量子的目标跟踪方法流程图；
[0032] 图2为本发明一种实施方式的目标初始化时获得的目标区域示意图；
[0033] 图3为本发明一种实施方式的视觉场空间示意图；
[0034] 图4为本发明一种实施方式的滴基函数波形示意图；
[00巧]图5(a)为本发明一种实施方式的视觉量子未达到平衡状态的示意图；图5(b)为 本发明一种实施方式的视觉量子沿向量S移动到平衡状态的示意图；
[0036] 图6为本发明一种实施方式的基于视觉量子的目标跟踪方法的获得的目标跟踪 效果示意图。
【具体实施方式】
[0037] 下面结合附图对本发明的【具体实施方式】做详细说明。
[0038] 本实施方式的基于视觉量子的目标跟踪方法，如图1所示，包括W下步骤：
[0039] 步骤1 ;目标初始化；在待跟踪目标图像中利用矩形框选定目标区域，如图2所示， 图中黑色矩形框的区域为选定的目标区域；
[0040] 步骤2 ;生成视觉场空间：在目标区域内，自上而下均匀分布视觉量子 VQ。。P狂，Y，D，P，T)，形成视觉场空间
视觉场空间如图3所示， 将视觉场空间中包含目标背景信息的视觉采样单元、包含前景信息的视觉采样单元W及包 含背景与前景交界处信息的视觉采样单元均定义为视觉量子，记为VQ。,e狂，Y，D，P，T)，其 中，X、Y为视觉量子几何中屯、坐标，D为视觉量子的直径，P为视觉量子的量子频率，T为时 间，即视频序列中的某个时刻；下标a, 0代表视觉量子在视觉场空间中的矩阵位置是a 行e列；为表达方便，将视觉场空间中包含目标背景信息的视觉采样单元称为背景视觉量 子、将包含前景信息的视觉采样单元称为前景视觉量子W及将包含背景与前景交界处信息 的视觉采样单元称为缘视觉量子；如图3中黑色圆表示的是背景视觉量子，灰色圆表示的 是边缘视觉量子，白色圆表示的是前景视觉量子；
[00川步骤3;量子频率计算；
[0042] 步骤3. 1 ;计算并统计视觉量子内前景信息滴分布的极大值所对应的灰度阶 及背景信息滴分布的极大值所对应的的灰度阶AB;
[0043] 步骤3.2;统计灰度阶48|^的分布概率^3,|\，进而计算视觉量子￥9的滴基邸8|^; 方法为：
[0044] 首先统计灰度阶ABIP的出现概率P然后计算前景/背景信息滴 再然后统计视觉量子内部像素点（x，y)的灰度值G(x，y)，进而计算 灰度能量E(x，y) = 2G(x，y)2;最后计算视觉量子VQ的滴基
，图4 为图3中第15行、16列视觉量子的滴基函数波形，图中纵坐标为滴基，横坐标为滴的数量， 函数振幅表明视觉量子中边缘信息变化的剧烈程度；
[004引步骤3. 3;对滴基进行二维核变换，得到视觉量子VQ的量子频率QF，并将量 子频率QF的变换系数进行归一化处理，W滤除系统噪音和杂波干扰；
[0046] 量子频率QF记为
化简后得
;本实施方式是利 用邸兀2!/村2成=1对量子频率QF的变换系数进行归一化处理，来滤除系统噪音 ? -CC 和杂波干扰。
[0