[发明专利]一种基于背景加权的Mean Shift算法和Kalman预测融合的遮挡跟踪方法

摘要

本发明提供了一种基于背景加权的Mean Shift(HRBW Mean Shift)算法和Kalman预测融合的遮挡跟踪方法，针对均值漂移算法中的Bhattacharyya系数受初始目标框中背景像素的影响而无法准确的判断目标的遮挡状态，均值漂移算法在遮挡判定前失效，导致Kalman预测滤波算法不能被启用或启用后不能准确地预估目标的轨迹的问题。本发明提供了一种通过在目标直方图中加入由目标直方图和背景直方图的对数似然比计算得到背景加权因子，来改进目标模型的方法，从而进一步优化Bhattacharyya系数值，使得Bhattacharyya系数法能够更准确地检测目标的遮挡状态。本发明增大了正常跟踪状态下与遮挡状态下Bhattacharyya系数的差值，有利于遮挡状态的判断，通过提高遮挡判断准确性的方式来提高遮挡时的跟踪性能。

主权项

1.一种基于背景加权的Mean Shift算法(HRBW Mean Shift)和Kalman预测融合的遮挡跟踪方法，其特征在于，包括以下步骤：步骤(1)：建立基于直方图比的背景加权的目标直方图模型：建立基于直方图比的背景加权的目标直方图模型需要使用基于目标直方图和背景直方图的对数似然比推导出的权值作为背景加权因子，需要建立目标直方图模型和背景直方图模型，根据目标直方图模型和背景直方图模型计算出背景加权因子，然后根据背景加权因子建立了基于HRBW的目标直方图模型；a)目标直方图建模对视频初始帧使用矩形框选定初始目标，然后进行目标建模，设目标区域中有m个像素点，特征空间中有n个特征值，对目标区域的特征值u进行建模，该模型的公式定义为：公式1中，C为归一化常数，x_i为第i个像素的坐标，函数b(x_i)为位置x_i处的特征值，δ[b(x_i)‑u]判定b(x_i)是否等于u，若相等则值为1，否则值为0，为核函数，起到了加强初始矩形框中心像素并弱化边缘像素的作用；b)背景直方图建模对矩形框外的部分区域建立背景直方图，背景区域特征值u的模型公式定义为：公式3中，nk表示背景区域的像素总数；c)背景加权因子的计算根据目标直方图和背景直方图计算特征值u的对数似然比值，该比值的公式定义为：公式4中，通过非线性变换，使得和背景颜色特征相同的特征值在目标直方图中所占的权重较小，其中η是为了防止目标直方图中的特征值qu为0或背景直方图中的特征值bu为0的情况，根据Lu计算变换后的背景加权系数，背景加权系数的公式定义为：其中，Lmax是Lu中的最大值，Lmin是Lu中的最小值；μu是分段函数，表示特征值u的权重，其取值在[0,1]；d)建立基于直方图比的背景加权的目标模型根据背景加权系数，可得基于直方图比的背景加权的目标直方图模型0，该模型公式定义为：其中，μ_u为背景加权系数，C'为归一化因子，x_i为第i个像素的坐标，函数b(x_i)为位置x_i处的特征值，δ[b(x_i)‑u]判定b(x_i)是否等于u，若相等则值为1，否则值为0，为核函数；步骤(2)：建立候选目标模型：选取视频的下一帧图像，对当前图像中的目标建立候选目标模型，该模型的特征值u的公式定义为：p_u(y)为相似度值，x_i为第i个像素的坐标，y为候选目标的初始位置，函数b(x_i)为位置x_i处的特征值，δ[b(x_i)‑u]判定b(x_i)是否等于u，若相等则值为1，否则值为0，为核函数，C_h为归一化因子；步骤(3)：判定遮挡状态根据Bhattacharyya系数法来判断目标的遮挡状态，其公式定义为：其中，ρ(y)表示Bhattacharyya系数值，ρ(y)的值在[0,1]之间，ρ(y)的值越大，表示2个模板的相似度越高，设定遮挡阈值为Bh，若Bhattacharyya系数值小于Bh，则判定目标所处状态为遮挡状态；步骤(4)：根据遮挡状态选择跟踪算法若目标处于遮挡状态下，选用Kalman预测滤波算法进行预测跟踪，否则使用HRBW Mean Shift算法进行跟踪，HRBW Mean Shift算法得到的目标位置y1，y1公式定义为：g(x)＝‑k'(x)   (公式10)其中，g(x)为核函数的负导数，w_i为权重，y₀表示当前目标位置的初始值，y₁为HRBW Mean Shift算法计算出的目标位置，若HRBW Mean Shift迭代结束，此时y₁为目标的最终位置。