一种改进的Camshift目标跟踪方法技术

本发明专利技术属于图像处理与目标跟踪领域，具体为一种改进的Camshift目标跟踪方法，利用色度-微分二维联合特征建立目标模型。将每个像素8邻域的色度最大差分值作为该像素的微分值，用以描述像素的相对位置信息和图像的细节信息。根据目标模型的色度-微分二维特征联合直方图，利用反向投影获得跟踪图像的色度-微分二维特征联合概率分布图。利用均值平移方法在跟踪窗内实现目标的定位。对目标尺寸和方向的过大调整加以限制。本发明专利技术在复杂的背景情况下具有更强的抗干扰性能，能够有效提高目标跟踪的稳定性。本发明专利技术适用于运动目标跟踪系统中。

【技术实现步骤摘要】
【专利摘要】本专利技术属于图像处理与目标跟踪领域，具体为，利用色度-微分二维联合特征建立目标模型。将每个像素8邻域的色度最大差分值作为该像素的微分值，用以描述像素的相对位置信息和图像的细节信息。根据目标模型的色度-微分二维特征联合直方图，利用反向投影获得跟踪图像的色度-微分二维特征联合概率分布图。利用均值平移方法在跟踪窗内实现目标的定位。对目标尺寸和方向的过大调整加以限制。本专利技术在复杂的背景情况下具有更强的抗干扰性能，能够有效提高目标跟踪的稳定性。本专利技术适用于运动目标跟踪系统中。【专利说明】-种改进的Camsh i ft目标跟踪方法
本专利技术属于图像处理与目标跟踪领域，涉及一种基于Camshifit算法的改进跟踪 方法，特别涉及一种采用二维联合特征模型的Camshift目标跟踪方法。
技术介绍
运动目标的识别与跟踪一直是计算机视觉领域研究的热点问题，在自动化生产 线、视频监控系统、以及军事国防等诸多领域有着重要的应用价值。由于跟踪系统通常具有 较严格的实时性要求，因此计算量较大的识别与跟踪方法往往很难应用到实际系统中。而 计算量较小的方法通常识别准确性又不高。鉴于这一要求，在各种目标识别与跟踪算法中， 均值漂移（MeanShift)算法由于具有快速匹配的特性，在目标识别与跟踪领域得到了广泛 的应用。但该方法在跟踪过程中对模型不进行更新，当运动目标由于远近不同而造成尺寸 发生较大变化时，容易造成目标丢失，进而导致跟踪失败。连续自适应的MeanShift跟踪方 法，即CamShift(Continuously Apative MeanShift)跟踪方法能够自适应调整目标尺寸， 对于运动目标的平移、旋转以及缩放变化都具有一定的适应性。当目标与背景对比明显时， 该方法具有稳定的跟踪特性。例如，由于肤色特征与非肤色的背景特征具有较明显的区别， 因此，CamShift算法在人脸识别与跟踪领域得到了成功的应用。但当目标与背景的对比不 明显时，目标识别准确性降低，算法工作不够稳定，经常出现丢失目标的情况。 因此，设计一种具有较强抗干扰能力的跟踪方法具有很好的应用价值。
技术实现思路
本专利技术所要解决的技术问题是，针对CamShift跟踪算法抗背景干扰能力差的缺 点，设计一种具有较强抗干扰性的改进跟踪方法。 本专利技术所采用的技术方案是：，利用色度-微 分二维联合特征建立目标模型。对每个像素8邻域的色度进行差分计算，最大差分值作为 该像素的微分值，用以描述像素的相对位置信息和图像的细节信息。根据目标模型的色 度-微分二维特征联合直方图，利用反向投影获得跟踪图像的色度-微分二维特征联合概 率分布图，以减少单独特征建立模型时所产生的冗余信息的干扰。利用均值平移方法在跟 踪窗内实现目标的定位。对目标尺寸和方向的过大调整加以限制，防止过多背景信息干扰 目标识别的准确性。 本专利技术的目的在于在现有的CamShift算法的基础上设计了一种改进的CamShift 跟踪算法，在目标模型的建立过程中，根据原图像色度分布信息建立微分图像，利用微分信 息所反映的目标细节信息以及像素的相对位置分布信息来提高目标识别的准确性。采用二 维联合特征建立目标模型，减少独立特征模型所产生的冗余信息。另外，对目标模板的大尺 度调整进行了限制，提高了目标跟踪的稳定性。具有很好的实用性。 【专利附图】【附图说明】 图1是像素点（Xi, yi)的8邻域分布图。 图2是本专利技术方法跟踪效果图。 【具体实施方式】 下面结合附图对本专利技术作进一步详细说明。 为了提高跟踪方法的稳健性，减少光照亮度对目标识别的影响，CamShift算法一 般选择色度、饱和度和亮度具有独立性的HSV颜色空间中的色度信息为特征建立目标的直 方图模型。再利用目标直方图反向投影得到跟踪窗的颜色概率分布图，利用均值漂移算法 不断将跟踪窗的中心移至质心位置实现目标的定位，并将跟踪窗作为下一帧图像的初始搜 索窗口，重复迭代计算即可实现目标的跟踪。 由于CamShift算法仅采用色度信息建立颜色概率分布图，当被跟踪目标与背景 颜色相似时，很容易出现错误识别目标的现象。因此CamShift算法通常只适用于目标与背 景有明显区别的情况。当目标与背景颜色相接近时，目标识别的准确性降低，CamShift算法 很难实现目标的长时有效识别与跟踪。现有的改进CamShift算法采用融合辅助特征的方 式在一定程度上能够解决上述问题，但一方面过多的辅助特征会增加算法的计算量，另一 方面，现有的多特征融合方法通常是建立各种辅助特征的独立模型，然后再将各个模型确 定的目标位置进行融合。由于不同的特征从不同的角度对目标进行了描述，当背景复杂时， 背景与目标的某些辅助特征可能相似，例如纹理、边缘等，这些独立的辅助特征模型不但无 法有效将目标从背景中有效识别出来，反而对其他特征的识别结果还会产生错误干扰，造 成信息的冗余与错误，从而降低了算法的识别性能。 为了解决这一问题，本专利技术设计一种基于色度-微分二维联合特征模型的改进 CamShift方法。根据图像的色度信息提取图像的微分信息，建立目标的色度-微分二维联 合直方图模型。由于微分信息能够反映图像的细节信息和像素分布的空间相对位置，而联 合模型能够将两种特征有机地结合，对目标模型进行更严格的描述，从而提高了目标识别 的准确性，可有效对图像中的目标与背景进行区分，扩大了算法的适用范围。该方法的具体 描述如下： St印L计算目标的微分信息。设{(Xi，yi)}，i = 1，2,…，s，为目标的各个像素 的位置，b(Xi，yi)为（Xi， yi)位置处像素所对应的色度特征值，该像素点（Xi，yi)的8邻域像 素分别为{(Xi-l，yi+l)，（Xi，yi+1)，（Xi+l，yi+l)，（X i-Lyi)，（Xi+Lyi)，（Xi-Ly i-I)，（Xi， Yi-I), (XfLyi-I)K其分布图如图I所示。 按照8个方向计算该像素色度的差分，其最大值作为该像素点的微分特征信息 Ab (Xi, Yi)，艮P : Ab (Xi, Yi) = max{|b(Xi，yi)-b(xi+l, Y1) \ , |b(Xi，Yi)^(Xi-I, Y1) \ , IMxi, yJ-bUi, y^l) I，IMxi, yJ-bUi, Yi-I) I， (I) IMxi, yJ-bUfl，y「l) I，IMxi, yJ-bUi+l，y^l) |} Step2.建立色度-微分二维联合直方图。将色度特征划分为m个等级，微分特征 划分为η个等级，利用像素的色度特征和微分特征构建二维联合特征直方图模型q = {qm}， U = 1，2,…，m;v = 1，2,…，η: 【权利要求】1. ，其特征在于利用色度-微分二维联合特征建立 目标模型；对每个像素8邻域的色度进行差分计算，最大差分值作为该像素的微分值，用以 描述像素的相对位置信息和图像的细节信息；根据目标模型的色度-微分二维特征联合直 方图，利用反向投影获得跟踪图像的色度-微分二维特征联合概率分布图，以减少单独特 征建立模型时所产生的冗余信息的干扰；利用均值本文档来自技高网...

【技术保护点】
一种改进的Camshift目标跟踪方法，其特征在于利用色度‑微分二维联合特征建立目标模型；对每个像素8邻域的色度进行差分计算，最大差分值作为该像素的微分值，用以描述像素的相对位置信息和图像的细节信息；根据目标模型的色度‑微分二维特征联合直方图，利用反向投影获得跟踪图像的色度‑微分二维特征联合概率分布图，以减少单独特征建立模型时所产生的冗余信息的干扰；利用均值平移方法在跟踪窗内实现目标的定位；对目标尺寸和方向的过大调整加以限制，防止过多背景信息干扰目标识别的准确性。

【技术特征摘要】

【专利技术属性】
技术研发人员：修春波，魏世安，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12