[发明专利]一种多特征融合的安全帽跟踪算法

说明书

本发明一种多特征融合的安全帽跟踪算法属于安全帽图像目标跟踪领域；该方法首先获取初始帧图像A中目标安全帽信息及下一帧图像B中候选安全帽信息，并分别使用空间颜色直方图和LBP统计直方图描述目标及候选安全帽；然后分别在空间与纹理特征下对下一帧图像B中候选安全帽与初始帧图像A中目标安全帽进行相似性度量，进行多次向量迭代获取最优候选安全帽位置；之后进行多特征加权融合获取下一帧图像B中安全帽的位置；最后将图像B的处理结果作为后一帧图像C的目标安全帽位置，重复之前操作，实现对运动目标安全帽的跟踪。实验证明，该算法能够在背景颜色与目标安全帽颜色相近时克服干扰，实现对目标安全帽的跟踪。

技术领域

本发明一种多特征融合的安全帽跟踪算法属于安全帽图像目标跟踪领域。

背景技术

动态目标跟踪在机器视觉研究占的比例很大，是中国乃至外国的专家学者研究点和关注点，出现了许许多多的动态跟踪算法。大多数的对于运动目标的跟踪研究的都是车辆问题，研究运动过程中的安全帽跟踪是比较少的。现阶段在中国或者外国内比较流行的跟踪算法分为：区域、预测、模板、特征和其他跟踪算法。

基于区域跟踪的国内外研究现状，颜色、形状以及纹理等是运动物体的信息特征。将这些信息的区块制作成模板进行跟踪，再进行两者的相似度比较。区域跟踪的精确度相对来说比较高，选区的目标模型多样化。基于预测跟踪的国内外研究现状，预测跟踪简单的来说就是将跟踪转化为状态估计，使得运动目标得到最优的一个估计。基于模板跟踪的国内外研究现状，模板的跟踪算法最核心的就是在对运动的物体建立适合的模板，用此模板与视频里的目标进行匹配跟踪。基于特征跟踪的国内外研究现状，特征跟踪中的特征指的就是物体的局部特征，而不是目标的整体特征。在跟踪过程中，相邻两帧物体变化的幅度不大，可以视为平滑的匀速运动。利用相似性度量，比较当前时刻图像目标与参考的目标的特征值，假定相似度距离满足给定的阈值，则目标为所求。此算法比较适合背景简单的情况下使用。

综上，目前国内外对运动目标跟踪研究很多，但在实际的跟踪时会出现与目标颜色相近、监控图像分辨率低、遮挡等问题。针对上述不足，提出一种多特征融合的安全帽跟踪算法，在对目标及候选模型描述时，加入空间特征及纹理特征，能够在背景颜色与被跟踪目标安全帽颜色相近时，准确对目标安全帽进行跟踪，增强跟踪过程中对背景的抗干扰性，跟踪效果更加理想。

发明内容

针对上述技术需求，本发明公开了一种多特征融合的安全帽跟踪算法，该方法在对目标安全帽模型进行描述时，加入了空间特征与纹理特征，能够在背景颜色与被跟踪目标安全帽颜色相近的情况下，提高目标安全帽跟踪的准确度及鲁棒性。

本发明的目的是这样实现的：

一种多特征融合的安全帽跟踪算法，包括以下步骤：

步骤a、获取初始帧图像A中目标安全帽信息及下一帧图像B中候选安全帽信息，并分别使用空间颜色直方图和纹理特征统计直方图描述图像A，B中的安全帽信息；

步骤b、在空间及纹理特征下对下一帧图像B中候选安全帽进行处理，获取最优候选安全帽位置；

步骤c、进行多特征加权融合获取图像B中安全帽的中心位置。

步骤d、更新目标安全帽的初始位置，重复步骤a，b，c，实现目标安全帽跟踪。

上述的一种多特征融合的安全帽跟踪算法，步骤a的具体步骤如下：

步骤a1：获取初始帧图像A目标安全帽信息，建立目标安全帽模型W。