[发明专利]基于光流场估计的自适应均值漂移目标跟踪方法

说明书

技术领域

本发明涉及一种目标跟踪算法，尤其涉及一种基于光流场估计的自适应Mean-Shift目标跟踪方法，属于图像处理领域。

背景技术

目标跟踪方法是图像处理领域中的重要研究方向之一，在公共安全、智能交通和目标定位等领域有着广泛应用。为此，国内外许多研究人员一直致力于该项目的研究。目标跟踪一般是基于对图像序列的处理，从复杂的背景中识别出目标，并对目标的运动规律加以预测，实现对目标的连续、准确的跟踪.

       随着计算机技术和图像算法研究的快速发展，目标跟踪方法也得到了长足的进步，其中Mean-Shift算法由于其运行速度快，效果好得到了广泛的应用。Mean-Shift算法，是通过一个迭代的过程，算出当前点的偏移均值，然后将该点移动到偏移均值处作为新的起始点，往复循环，直到满足条件为止。但在目标跟踪中，由于传统Mean-Shift算法采用均值漂移和固定的窗体大小，因此在目标运动速度很快或尺度发生明显变化时，会造成目标的丢失，同时也不能处理目标全遮挡的情况。目前针对这一不足，提出的解决方法有卡尔曼滤波、粒子滤波和SSD(Sum of Squared Differences)算法等。但均在自适应跟踪上存在各自的缺点。

发明内容

本发明所要解决的技术问题是提供一种基于Mean-Shift算法的自适应目标跟踪方法，以提高目标跟踪的区域自适应性，提升对目标跟踪的准确性以及能解决目标被静止物体全遮挡情况下的目标跟踪方法.

       本发明的解决方案是：利用光流法的特性测出运动方向和速度，对窗口位置和大小进行预判和调整，然后二分法自适应分别获得精确的长宽。再基于色差分析跟踪方法，解决目标被静止物体遮挡的情况.

       本发明为实现上述解决方案，其方法步骤如下所示：

1.         利用光流法算出目标的移动速度和方向。首先在目标窗口内找取若干特征点，再利用光流约束方程                                                ，其中表示亮度，，是图像的偏导数，是图像随时间的导数，算出各个特征点的光流信息，即运动方向和位移。

2.         利用步骤1算出的移动速度和方向，为下一帧目标跟踪提供预测位置和目标变化趋势。由于帧之间，目标的运动方向和速度改变不会过大，特征点在当前帧的位置，上一帧位置，下一帧预测窗口中心

其中C是当前帧的窗口位置中心。再根据一般监控下，目标朝图像下方运动时，处于增大趋势，反之处于减小趋势的先验知识。预判目标大小变化趋势。

3.         在新预测后而得到的窗口内利用二分法自适应Mean-Shift算法得到漂移结果。首先建立基于RGB颜色的直方图分布，假设物体中心位于，用表示当前目标区域的色彩直方图，表示预测区域的色彩直方图.

         

其中因为离中心距离越近的采样点对估计周围的统计特性越有效，引入核函数，h为带宽。是克罗内科函数，即。式中为像素处的颜色子空间索引值，是所包含的颜色子空间索引值。即将各点的像素值归于各自对应的直方图区间内。C是归一化常量。最终物体跟踪简化为寻找最优的y，使得和最相似。可以用Bhattacharyya系数来度量分布，即

得到新位置后，以新位置为基点进行Mean-Shift迭代，直至得到最优的目标位置。最后利用二分法Bhattacharyya系数分别获得精确的窗口长宽。

4.         利用色差分析处理被静止物体遮挡情况。当目标处于全遮挡或长时间遮挡时，首先在目标丢失处周围一定区域内建立一个监控区，再根据监控区内色差变化，如果色差变化超过一定阈值的点达到一定数量时，取色差变化区域的中心像素点为目标中心，再均值漂移，计算Bhattacharyya系数，如果相似度较高，表明目标已再次出现。

附图说明

图1光流效果图

图2是自适应窗口跟踪效果图

图3是监控区色差变化检测图。

具体实施方案

下面结合附图对方法的实施作进一步的详细描述：