[发明专利]基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法

说明书

本发明涉及一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，操作步骤如下：1）建立目标颜色直方图；2）建立背景颜色直方图；3）根据目标颜色直方图和背景颜色直方图计算背景加权系数；4）使用加权系数对目标颜色直方图进行加权，得到最终目标模型；5）将目标模型反向映射到每个像素点，得到颜色概率分布图；6）初始化搜索窗口，计算搜索窗内的零阶矩和一阶矩，进一步计算搜索窗的质心和新搜索窗大小；7）将搜索窗的中心移动到步骤6）中的质心位置，判断是否收敛，若收敛，读入下一帧，再进入步骤5），否则直接进入步骤6）。本发明为Camshift算法建立了一个突出目标颜色特性的目标模型，提高了算法的抗背景色干扰能力。

技术领域

本发明涉及一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，应用于智能视频处理领域中的运动目标跟踪，适用于受背景颜色干扰情形下的运动目标跟踪。

背景技术

实时运动目标检测以及跟踪是计算机视觉领域一项关键性技术，主要应用于智能安防和人机交互，其中以运动目标的跟踪技术尤为重要。文献[1]提出的Camshift(Continuously Adaptive Mean Shift)算法是一种易于实现并且效率较高的运动目标跟踪算法，得到了广泛的应用。Camshift算法是对Mean Shift算法的发展。Mean Shift算法是一种无参密度估计算法，由文献[2]首次应用于模式识别领域。Mean Shift算法利用迭代的Mean Shift向量收敛于概率密度分布的梯度方向的特点寻找目标模式(概率密度最大的区域)。由于Mean Shift算法对概率分布进行操作，为将其思想应用于视频图像处理领域中，必须根据视频图像获取对应的概率分布，所以在文献[1]的Camshift算法中，以目标的HSV颜色空间的H(色调)分量作为统计量建立直方图作为目标模型，并将目标模型反向映射到每帧图像的每个像素点，从而将视频图像转化为颜色概率分布图。对颜色概率分布图中指定搜索窗内的Mean Shift向量(在Camshift算法中具化为搜索窗的质心)进行迭代直至收敛，从而获取目标模式。在对视频序列的每一帧进行处理时，都以上一帧的收敛位置为中心连续迭代Mean Shift向量直至其收敛于新的位置，并且动态设置搜索窗大小，从而实现了对目标模式的跟踪。由于目标模式相对于目标整体的位置比较固定(类似于作平移运动的物体的重心基本不变)，从而间接实现了对运动目标的跟踪。

Camshift算法在目标和颜色背景颜色差异性很大时性能良好，然而目标和背景的颜色都具有各自的随机性，所以在某些情形下背景和目标有可能有相同的颜色成分，在此种情形下对运动目标进行跟踪时由于受背景颜色干扰，容易发生误判，一旦在某个点发生误判，由于该算法的前后关联性，后续的跟踪将完全失效。容易受背景颜色的干扰是Camshift算法的固有属性，因为该算法在建立目标模型(即目标的颜色直方图)时，完全基于目标而没有考虑背景，目标的所有颜色成分(包括和背景相同的颜色成分)都有相同的地位，如果有和目标颜色成分相同的背景成分进入搜索窗，即会判断该成分为目标的一部分。由于容易受背景干扰是该算法的固有属性而且无法根除，本发明从另一个角度出发，试图降低背景中与目标相同的颜色成分造成的不良影响：本发明在建立目标模型时，相对降低目标和背景共有的颜色成分对目标模型的贡献，此时如果有和目标颜色成分相同的背景成分进入搜索窗，由于该种颜色成分对整个目标模型的贡献相对降低，该种颜色带来的不良影响也将降低。

文献[1]:Bradski,G.:“Computer vision face tracking for use in aperceptual user interface”,Intel Technol.J.,1998,2,(Q2),pp.1–15。

文献[2]:Cheng,Y.:“Mean shift,mode seeking,and clustering”,IEEE TransPattern Anal.Mach.Intell.,1995,17,(8),pp.790–799。

发明内容