基于显著性直方图模型的Camshift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，具体为一种基于显著性直方图模型的Camshift跟踪方法。在跟踪图像中将目标区向四周扩展一定的范围，扩展出的范围称为背景区，通过分析背景区色调直方图的分布情况确定出目标直方图中不同色调等级的显著性，并建立起基于不同显著性的目标加权直方图模型，突出显著性色调在识别目标过程中的作用，在不增加其他辅助特征的情况下提高目标识别的准确性。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】

本专利技术属于图像处理与目标跟踪领域，涉及一种改进的CamShift跟踪方法，特别涉及一种基于显著性直方图模型的Camshift跟踪方法。
技术介绍
运动目标的识别与跟踪在工业生产、智能交通、国防军事以及监控系统等诸多领域有着广泛的应用价值。由于目标运动的随机性和背景的复杂性，准确的目标识别与跟踪仍然是目前机器视觉领域的热点研究问题。目标跟踪中的复杂背景并不是指背景内容复杂，而是指背景区中含有与目标相似的区域，这些区域对目标的识别会产生较大干扰，从而增加了目标识别与定位的困难。在跟踪系统中，一般对目标识别的实时性有着严格的要求，这导致计算量较大的识别与跟踪方法受当前计算机运算速度的限制而无法应用于实际跟踪系统中；而计算量较小的跟踪方法由于对目标模型描述不够准确，经常会出现目标丢失的现象。鉴于这种情况，均值漂移(Meanshift)算法由于具有快速匹配的特性，在目标识别领域得到了广泛的应用和深入研究。但Meanshift算法不能及时对目标模型进行更新，这样，当目标在运动过程中发生翻转、缩放等变化时，Meanshift算法的跟踪性能就会明显下降。而连续自适应的Meanshift(Continuously Apative Meanshift，Camshift)跟踪方法由于能够自适应调整目标尺寸，因此能够较好地克服Meanshift跟踪方法存在的缺点，对目标的平移、旋转和缩放等变化都具有很好的适应性。不过，Meanshift算法和Camshift算法都是以颜色直方图的形式建立目标模型，因此它们都适用于目标与背景具有明显区别的目标跟踪系统中。当背景复杂时，背景中与目标相似的区域会对目标定位结果造成严重影响，甚至导致跟踪失败，这严重限制了该跟踪方法的适用范围。因此，设计一种具有较强抗干扰能力的改进CamShift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跟踪方法在复杂背景中跟踪性能下降的缺点，设计一种基于显著性直方图模型的Camshift跟踪方法。本专利技术所采用的技术方案是：一种基于显著性直方图模型的Camshift跟踪方法，在跟踪图像中将目标区向四周扩展一定的范围，扩展出的范围称为背景区，通过分析背景区色调(hue)直方图的分布情况确定出目标直方图中不同色调等级的显著性，并建立起基于不同显著性的目标加权直方图模型，突出显著性色调在识别目标过程中的作用，在不增加其他辅助特征的情况下提高目标识别的准确性。本专利技术的目的在于在现有的CamShift跟踪方法的基础上设计一种改进的CamShift跟踪方法，通过突出显著性色调在目标识别中的作用来抑制背景对目标识别与定位的干扰，提高跟踪方法的适应能力，具有很好的实用性。附图说明图1是传统CamShift方法跟踪效果图。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。Camshift方法一般选择HSV颜色空间中的H(色调)分量建立直方图模型来减小光照影响。将色调特征划分为m个等级，设目标的各像素的位置坐标为{(xi，yi)本文档来自技高网...

【技术保护点】
一种基于显著性直方图模型的Camshift跟踪方法，其特征在于，在跟踪图像中将目标区向四周扩展一定的范围，扩展出的范围称为背景区，通过分析背景区色调(hue)直方图的分布情况确定出目标直方图中不同色调等级的显著性，并建立起基于不同显著性的目标加权直方图模型，突出显著性色调在识别目标过程中的作用，在不增加其他辅助特征的情况下提高目标识别的准确性。

【技术特征摘要】
1.一种基于显著性直方图模型的Camshift跟踪方法，其特征在于，在跟踪图像中将目
标区向四周扩展一定的范围，扩展出的范围称为背景区，通过分析背景区色调(hue)直方图的
分布情况确定出目标直方图中不同色调等级的显著性，并建立起基于不同显著性的目标加权
直方图模型，突出显著性色调在识别...

【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