[发明专利]一种基于目标分解的Camshift跟踪方法

摘要

本发明属于图像处理与目标跟踪领域，具体为一种基于目标分解的Camshift跟踪方法，针对大目标跟踪问题提出一种改进的Camshift跟踪策略，将被跟踪的目标分解为多个子目标，对每个子目标分别进行目标跟踪，利用子目标之间位置信息的相对不变性判断各子目标跟踪结果的正确性，对于错误定位的子目标进行校正，根据校正后的子目标集判断被跟踪目标的准确位置。本发明对遮挡等情况的发生具有良好的适应性。本发明适用于运动目标跟踪系统中。

主权项

一种基于目标分解的Camshift跟踪方法，其特征在于，将被跟踪的目标分解为多个子目标，对每个子目标分别进行目标跟踪，利用子目标之间位置信息的相对不变性判断各子目标跟踪结果的正确性，对于错误定位的子目标进行校正，根据校正后的子目标集判断被跟踪目标的准确位置；设被跟踪目标为A，在被跟踪目标区域内选取n个具有不同显著特征的区域，每个特征区域均确定为一个被跟踪的子目标，所有的子目标构成目标子集U，这样，被跟踪目标可由目标子集U来描述，目标子集中的一个点代表一个子目标的中心，记目标子集中第i个目标的空间坐标为(xi，yi)，则目标子集U可表示为：Un＝[(x1，y1)，(x2，y2)，…，(xn，yn)]T   (1)目标子集U中的目标i与目标j之间的距离定义为：dij＝sqrt[(xi‑xj)2+(yi‑yj)2]   (2)其中(xi，yi)和(xj，yj)分别为目标子集U中目标i和目标j的坐标；由此可建立目标子集U的子目标距离关联矩阵Dn：在HSV颜色空间内对每个子目标建立色调(hue)直方图模型，采用CamShift方法对目标子集中的各个子目标分别进行定位跟踪，具体步骤如下：Step1.设子目标k区域内各个像素的位置为其中i＝1，2，...，sk；目标k的中心位置为(xk，yk)，利用像素的色调特征构建子目标k的颜色特征直方图模型为：q^k={q^uk},u=1,2,...,n---(4)]]>q^uk=CqkΣi=1skK(||(xik,yik)-(xk,yk)h||)δ[b(xik,yik)-u]---(5)]]>其中，u为子目标k的搜索窗中像素点的色调特征值，色调特征划分为n个等级，为颜色概率分布，函数表示像素量化后的特征值，Cqk为归一化系数：Cqk=1/Σi=1skK(||(xik,yik)-(xk,yk)h||)---(6)]]>δ为Kronecker函数，即：δ[b(xik,yik)-u]=1,if(b(xik,yik)=u)0,else---(7)]]>K为无参高斯核函数，即：K(||(xik,yik)-(xk,yk)h||=e-((xik-xk)2+(yik-yk)2h)2---(8)]]>其中，h为核函数的带宽；Step2.根据所建子目标模型进行反向投影，建立起各子目标的搜索窗的概率投影图；设子目标k的搜索窗中像素点的色调特征值为u，则该像素点的色调概率投影图的像素值为：其中为取整操作，概率分布图中取值越大的像素表明该像素为目标像素的可能性越大；Step3.计算搜索窗k的零阶矩和一阶矩：M00k=ΣxikΣyikI(xik,yik)---(10)]]>M10k=ΣxikΣyikxikI(xik,yik)---(11)]]>M01k=ΣxikΣyikyikI(xik,yik)---(12)]]>Step4.计算搜索窗k的质心xck=M10kM00k---(13)]]>yck=M01kM00k---(14)]]>Step5.自适应调整搜索窗口的边长：sk=2M00k/256---(15)]]>移动子目标k的搜索窗的中心到质心，如果移动距离大于预设的固定阈值，则重复Step2‑Step5，直到搜索窗k的中心与质心间的移动距离小于预设的阈值；Step6.判断子目标的正确性：设子目标i在跟踪图像中确定的目标位置为(x′i，y′i)，根据各个子目标跟踪结果，建立跟踪图像中目标子集U′n：U′n＝[(x′1，y′1)，(x′2，y′2)…(x′n，y′n)]T   (16)建立跟踪图像中子目标距离关联矩阵D′n：根据被跟踪目标模板的子目标距离关联矩阵Dn和跟踪图像中子目标距离关联矩阵D′n的比较结果，判断各子目标跟踪结果是否正确；根据Dn和D′n，求取个核心{cij，i＝1，2，3，...，n‑1；j＝1，2，3，...，n；且i＜j}，其中：cij＝d′ij/dij   (18)以上述核心为中心，建立个核函数：上述核函数的和为：G=Σi,jgij---(20)]]>函数G最大值所在位置确定为核中心cg，并建立判断矩阵E：其中，eij=eji=1,if|cij-cg|<η0,else---(22)]]>其中，η为中心阈值，对于判断矩阵E，如果存在全零行，即eij＝0，j＝1，2，...，n，则可判断为第i个子目标定位错误；Step7.错误定位子目标的校正：如果存在错误定位的子目标，则利用正确定位的子目标对错误定位的子目标进行校正；设正确定位的子目标有m个，第j个子目标的中心坐标为(x′j，y′j)，其中j＝1，2，...，m；而第i个错误定位子目标中心校正位置为则二者之间的距离定义为：dij′′=sqrt[(x^i-xj′)2+(y^i-yj′)2]---(23)]]>定义目标函数J为：J=Σj=1m(dij′′/dij-cg)2---(24)]]>将上述目标函数取最小值所对应的位置确定为子目标i的校正位置；Step8.对未作校正的子目标进行方向角和尺寸大小的更新：设子目标k的搜索窗的二阶矩定义为：M11k=ΣxikΣyikxikyikI(xik,yik)---(25)]]>M20k=ΣxikΣyik(xik)2I(xik,yik)---(26)]]>M02k=ΣxikΣyik(yik)2I(xik,yik)---(27)]]>设：ak=M20kM00k-(xck)2---(28)]]>bk=M11kM00k-xckyck---(29)]]>ck=M02kM00k-(yck)2---(30)]]>更新跟踪目标区的长轴：Lk=Lk′,if|Lk-Lk′|Lk<ϵαLk+(1-α)Lk′,else---(31)]]>其中Lk′=(ak+ck)+bk2+(ak-ck)22---(32)]]>更新跟踪目标区的短轴：Wk=Wk′,if|Wk-Wk′|Wk<ϵαWk+(1-α)Wk′,else---(33)]]>其中Wk′=(ak+ck)-bk2+(ak-ck)22---(34)]]>更新目标k运动方向与水平方向夹角θk：θk=θk′,if|θk-θk′|θk<ϵαθk+(1-α)θk′,else---(35)]]>其中θk′=12arctan(bkak-ck)---(36)]]>经过校正的子目标不进行大小和方向的更新；Step8.返回Step1继续进行下一帧图像中目标子集的定位与跟踪。