一种基于距离加权直方图的Mean-Shift跟踪算法制造技术

本发明专利技术公开了一种基于距离加权直方图的Mean‑Shift跟踪算法，属于无人机导航领域。此算法可以实时、准确、稳定的对视频中的运动物体进行跟踪。和经典的Mean‑Shift算法相比在处理时间上略有增加，但依然能满足实时性的要求，且当目标快速运动时，改进算法仍然能准确的跟踪，大大优于经典的跟踪算法。下一步的研究重点是如何自动的选取核函数的窗宽，使跟踪框能随着目标大小的变化自动调整。

【技术实现步骤摘要】

本专利技术属于无人机导航领域。具体涉及一种基于距离加权直方图的Mean-Shift跟踪算法。
技术介绍
目标跟踪广泛应用于交通监控、视频编码、机器人视觉导航以及军工领域，当目标快速运动、目标变形和被遮挡时，如何对视频序列中对感兴趣的目标进行稳健、有效的跟踪，一直是计算机视觉领域的研究重点与难点。Mean-Shift作为一种高效的目标跟踪算法已经被广泛的应用于目标跟踪领域中，文献提出了不变矩的方法，但是矩特征的计算复杂严重影响了Mean-Shift跟踪算法的实时性；文献提出了一种基于Mean-Shift和边缘检测的轮廓跟踪算法，然而此算法当目标变形、被遮挡时，目标极易丢失；文献中还提出了一种基于目标颜色特征的改进的均值漂移算法，对符合颜色模板的目标点不论其在直方图中的概率大小，都赋予相同的最大权值，使目标最大限度地成为密度极值区，以克服干扰影响，但此算法当目标运动较快时，目标极易丢失。本专利技术提出一种复杂场景下的目标跟踪算法，即基于距离目标中心加权直方图的Mean-Shift跟踪算法。在文章的第二节中，首先介绍了HSV颜色空间，然后介绍了Mean-Shift算法的思想。在文章第三节中，详细介绍了基于目标中心距离加权直方图的算法过程以及基于目标中心距离加权直方图的Mean-Shift跟踪算法实现步骤，在文章第四节中，进行了相关实验并对实验结果进行了分析，在文章的最后给出了结论与展望。
技术实现思路
本专利技术的目的是提供一种复杂场景下的目标跟踪算法，即基于距离目标中心加权直方图的Mean-Shift跟踪算法。广泛应用于交通监控、视频编码、机器人视觉导航以及军工领域，当目标快速运动、目标变形和被遮挡时，如何对视频序列中对感兴趣的目标进行稳健、有效的跟踪，一直是计算机视觉领域的研究重点与难点。本专利技术提供了一种基于距离加权直方图的Mean-Shift跟踪算法，其特征包括：HSV颜色空间(HSVColorSpace)HSV是根据色调H，饱和度S，亮度V等颜色的直观特性创建的一种颜色空间[9],也称六角锥体模型。RGB颜色模型是适合硬件成像显示的颜色模型，更适合人眼视觉特征的模型则是下面介绍的HSV颜色模型如图1所示,六边形边界表示色彩，水平轴表示纯度，亮度沿垂直轴测量。选择HSV作为目标跟踪的颜色模型是因为其具有以下优点[10]。首先，符合人眼对颜色的感觉。其次，采用RGB颜色模型时，改变某一颜色属性，如色调，就必须改变R、G、B这3个坐标；而采用HSV颜色模型时只需改变H坐标。最后，HSV颜色空间是一个均匀的颜色空间，采用线性的标尺。均匀的颜色空间使得目标颜色区间能够连续的落在一定的区域内，而不会像RGB颜色模型那样会使目标的颜色区间落在坐标中的各个位置。我们用一个物体的颜色分布来描述这个物体[11],假设被跟踪的目标是中心位于QUOTE,窗宽为h的矩形，则该目标可以用颜色直方图如公式2-1表示：QUOTE（2-1）其中C与QUOTE为目标区域和候选区域归一化系数QUOTE是一个核函数，并且满足QUOTEQUOTE是Kroneckerdelta函数候选的位于y处的目标也可以用直方图如公式2-2表示；QUOTE（2-2）因此当目标图像采用直方图建模时，给定目标与候选目标，直方图之间的相似性可以简化为寻找最优的y，使得QUOTE与QUOTE最相似与的相似性用Bhattacharrya系数来度量分布如公式2-3所示QUOTE（2-3）式2-3在点QUOTE泰勒级数展开可得式2-4QUOTE（2-4）将式2-2代入式2-4，整理可得2-5QUOTE（2-5）其中相似性系数QUOTE，QUOTE（2-6）基于距离目标形心加权直方图的算法(BasedonDistanceoftargetWeightedHistogram)颜色直方图是用来统计图像或图像的某个区域中每个颜色级的分布情况的；为了增强算法的鲁棒性,以及与Mean-Shift算法巧妙地结合，在描述目标区域的直方图时,采用带有空间位置信息的加权直方图描述；为了减少光照强度的影响，满足Mean-Shift算法实时性的要求，将颜色空间从RBG转换到HSV颜色空间，然后放弃亮度分量（V）与饱和度分量（S）在计算颜色加权直方图时，只计算其色度分量（H）。用鼠标选定一个选框，将目标选定在选框内，那么目标在二维的图像平面里对应的就是一个矩形区域。设矩形的宽与长分别为QUOTE,矩形右下角的坐标为QUOTE。基于距离目标形心加权直方图算法的基本思想是：在计算直方图时，给每个点赋予一定的权值,权值的大小为此点到中心点坐标的距离的平方。直方图加权算法描述如下：3.2基于距离目标形心加权直方图的Mean-Shift算法实现(ImplementationofImprovedMean-shiftTrackingAlgorithmBasedonDistanceWeightedHistogram)跟踪流程描述如下：本专利技术的优点或积极的效果：一种基于目标中心距离加权直方图的Mean-Shift跟踪算法，此算法可以实时、准确、稳定的对视频中的运动物体进行跟踪。和经典的Mean-Shift算法相比在处理时间上略有增加，但依然能满足实时性的要求，且当目标快速运动时，改进算法仍然能准确的跟踪，大大优于经典的跟踪算法。下一步的研究重点是如何自动的选取核函数的窗宽，使跟踪框能随着目标大小的变化自动调整。附图说明图1是HSV颜色空间模型示意图；图2是经典的Mean-Shift跟踪算法示意图；图3是基于距离加权直方图的Mean-Shift算法；图4是两种算法性能对比结果示意图；图5两种算法跟踪正确率对比结果示意图。具体实施方式HSV颜色空间(HSVColorSpace)HSV是根据色调H，饱和度S，亮度V等颜色的直观特性创建的一种颜色空间[9],也称六角锥体模型。RGB颜色模型是适合硬件成像显示的颜色模型，更适合人眼视觉特征的模型则是下面介绍的HSV颜色模型如图1所示,六边形边界表示色彩，水平轴表示纯度，亮度沿垂直轴测量。选择HSV作为目标跟踪的颜色模型是因为其具有以下优点[10]。首先，符合人眼对颜色的感觉。其次，采用RGB颜色模型时，改变某一颜色属性，如色调，就必须改变R、G、B这3个坐标；而采用HSV颜色模型时只需改变H坐标。最后，HSV颜色空间是一个均匀的颜色空间，采用线性的标尺。均匀的颜色空间使得目标颜色区间能够连续的落在一定的区域内，而不会像RGB颜色模型那样会使目标的颜色区间落在坐标中的各个位置。我们用一个物体的颜色分布来描述这个物体[11],假设被跟踪的目标是中心位于QUOTE,窗宽为h的矩形，则该目标可以用颜色直方图如公式2-1表示：QUOTE（2-1）其中C与QUOTE为目标区域和候选区域归一化系数QUOTE是一个核函数，并且满足QUOTEQUOTE是Kroneckerdelta函数候选的位于y处的目标也可以用直方图如公式2-2表示；QUOTE（2-2）因此当目标图像采用直方图建模时，给定目标与候选目标，直方图之间的相似性可以简化为寻找最优的y，使得QUOTE与QUOTE最相似与的相似性用Bhattacharrya系数来度量分布如公式2-3所示QUOTE（2-3）式2-3在点QUOTE泰勒级本文档来自技高网...

【技术保护点】
一种基于距离加权直方图的Mean‑Shift跟踪算法，其特征在于，包括如下步骤：颜色直方图是用来统计图像或图像的某个区域中每个颜色级的分布情况的；为了增强算法的鲁棒性,以及与Mean‑Shift算法巧妙地结合，在描述目标区域的直方图时,采用带有空间位置信息的加权直方图描述；为了减少光照强度的影响，满足Mean‑Shift算法实时性的要求，将颜色空间从RBG转换到HSV颜色空间，然后放弃亮度分量（V）与饱和度分量（S）在计算颜色加权直方图时，只计算其色度分量（H）；用鼠标选定一个选框，将目标选定在选框内，那么目标在二维的图像平面里对应的就是一个矩形区域；设矩形的宽与长分别为,矩形右下角的坐标为；基于距离目标形心加权直方图算法的基本思想是：在计算直方图时，给每个点赋予一定的权值,权值的大小为此点到中心点坐标的距离的平方。

【技术特征摘要】
1.一种基于距离加权直方图的Mean-Shift跟踪算法，其特征在于，包括如下步骤：颜色直方图是用来统计图像或图像的某个区域中每个颜色级的分布情况的；为了增强算法的鲁棒性,以及与Mean-Shift算法巧妙地结合，在描述目标区域的直方图时,采用带有空间位置信息的加权直方图描述；为了减少光照强度的影响，满足Mean-Shift算法实时性的要求，将颜色空间从RBG转换到HSV颜色空间，然后放弃亮度分量（V）与...

【专利技术属性】
技术研发人员：张长隆，刘欢敏，
申请(专利权)人：张长隆，
类型：发明
国别省市：湖南;43