[发明专利]一种基于颜色标签的目标跟踪快速初始化方法

说明书

一种基于颜色标签的目标跟踪快速初始化方法。1.本发明在Lab色彩画面中将颜色分成了N个等级；2.提取目标矩形框，并将颜色空间转换至Lab色彩空间。3.对图像进行子区域划分；4.计算子区域色块颜色等级；5.查找到与背景元素相连的所有连通域；6.消除连通域；7.得到前景信息突出的图像；8.将得到前景信息突出的结果图像与原图像画面进行与操作；9.将去除背景图像后的图像作为结果输出，用于目标跟踪初始化，进行特征提取。与其他方法相比，该方法能够使提取的目标特征始终强于背景特征，具有速度快，实现简单，效果良好，灵活性好的优点，不依赖于强大的硬件支持，成本低廉。

技术领域

本发明涉及图像处理与分析技术领域，特别是利用颜色标签方法对目标跟踪进行处理，快速提取图像前景信息，破坏背景信息，提高目标在复杂背景下的跟踪性能。

背景技术

近年来，目标跟踪技术随着城市安防的发展受到越来越多的关注，无论在大型广场，学校园区或者边防海域等场所，目标跟踪技术均有广泛的应用。目标跟踪技术的主流方法有生成式和判别式两种；生成式方法主要是对当前帧的目标区域进行建模，下一帧寻找与模型最相似的区域就是预测位置；判别式方法主要以当前帧的目标区域为正样本，背景区域为负样本，通过机器学习训练分类器，下一帧用训练好的分类器寻找最优区域。虽然目标跟踪技术的研究越来越成熟，但是实际监控场景下由于多变的环境，复杂的背景等因素的干扰，对目标跟踪方法的性能有着巨大的影响。

针对这一问题，目前人们着重从特征与分类器的选择两方面入手解决。一方面，人们试图将多种特征进行结合，设计出更高维度的特征来更精确的表达目标信息，提高跟踪性能。另一方面，从分类器入手，设计性能更好的分类器也是提高跟踪准确率的途径。更有甚者，将深度学习引入目标跟踪领域，从特征与分类器两方面入手，使目标跟踪性能极大的提高。虽然此类方法能够提高一定的性能，但是往往带来的计算开销也是巨大的，难以满足视频监控的实时性要求。

发明内容

对目标跟踪来说，好的特征往往对跟踪结果有着直接的影响。在目标跟踪的初始化过程中，需要通过目标检测或者人工提取的方式指定一个目标矩形框，对矩形框中的图像提取一定的特征，进而通过对特征的处理，识别，匹配来完成跟踪任务。矩形框中除了包含目标的信息之外，还包含着丰富的背景信息。在背景较为简单的情况下，矩形框中目标的特征表达会强于背景的特征表达，提取的特征区分度较强，跟踪效果良好。但是，实际场景中的背景往往是比较复杂的，矩形框中目标的特征表达可能会弱于背景特征，提取的特征区分度较弱，导致跟踪失败。因此，即使提取的特征维度更高，更能表达目标信息，但是如果无法区分矩形框中的目标与背景，得到的特征也是错误的。

针对这一现象，本发明从目标跟踪初始图像入手，通过颜色标签技术快速对矩形框中的目标信息进行提取，对矩形框中的背景信息进行破坏，突出目标特征，弱化背景特征，使目标特征的表达始终强于背景特征的表达，提高了复杂背景下的跟踪性能。该方法速度快，实现简单，使用灵活，能够提高多种目标跟踪方法的跟踪性能。

本发明的技术方案如下：

颜色标签，顾名思义就是将颜色空间中的所有颜色固定分成几个颜色种类，给每个颜色种类分配一个颜色标签。

第一步骤：本发明在Lab色彩画面中将颜色分成了N个等级，每一个颜色等级赋予一个标签数值，颜色标签共1-N，即分成N种颜色，即用N种颜色近似代表一个画面中的全部颜色；

第二步骤：对图像进行子区域划分，将一个画面进行子区域纵横切割，分成若干小块子区域，每个子区域大小为M*M像素，尽量使每一小块子区域的像素颜色保持均匀一致；建立初始颜色标签图；

第三步骤：通过目标检测方法提取包含目标的矩形框，并在矩形框内进行颜色空间转换，由三色通道RGB颜色系统所构成的颜色空间转为Lab像素空间；