The invention discloses a method for tracking probability graph model based on the method of first choice to extract salient feature region of the target as the sub block, the sub block partition problem, proposed an extraction method based on local feature points of the target feature region. After the block matching, the block matching results fusion problem, put forward a remarkable characteristic in regional and MRF target tracking algorithm based on the structure model and observation model MRF model and spatial constraints between the region with salient feature regions and describe significant features are created based on the target, and the various features the MS matching results were deduced by BP algorithm in space domain. The method of the invention can track the target stably and reliably, and the target tracking can be achieved even when the target is occluded and the color information of the target is similar to the background color information.
【技术实现步骤摘要】
本专利技术涉及一种基于概率图模型的目标跟踪方法,属于图像信息感知与识别
技术介绍
随着信息技术和智能科学的发展,计算机视觉技术受到了越来越多的关注,已经发展成为了高新
的前沿技术之一。其中目标跟踪技术是计算机视觉领域的研究热点之一,融合了图像处理、模式识别、人工智能以及自动控制等多种不同学科的理论和知识。目标跟踪是以图像序列为基础,从图像序列中识别并标记目标位置,达到自动跟踪目标的技术。对目标的跟踪研究是对目标行为描述分析、识别和视频处理以及图像压缩编码等技术的基础,目标跟踪技术可以为目标检测及识别提供可靠依据。对视频序列中的目标进行精确实时的跟踪无论是在军事、民用等方面都有着重要的应用价值。目前目标跟踪技术已经在实际生活中的许多方面发挥了重要的作用,在安防领域,基于目标跟踪的视频监控系统可以对指定场景区域进行监视,检测异常情况;基于目标跟踪的交通监控系统利用视频图像处理技术对摄像机得到的图像序列进行分析,实现对违反道路交通法规的车辆、行人等目标的检测、分类和跟踪;在军事领域,武器装备的精确化和智能化需求,使得红外成像制导技术越显重要,而目标跟踪是成像制导的关键技术之一;在民用领域,人机交互,使计算机可以识别理解人的姿态、手势等,简化人机交互的实现。在以上所有应用中,目标跟踪都是其中一项关键技术。近年来,概率图模型也被引入目标跟踪之中,并取得了一定的效果,但该方法在通常的使用过程中,目标的深度图和运动轨迹都是利用目标区域的整体信息作为建模依据,当目标遮挡时,其采用的目标信息会有所缺失,因而可能会出现跟踪漂移甚至跟踪失败的情况。
技术实现思路
...
【技术保护点】
一种基于概率图模型的目标跟踪方法,其特征在于,包括如下步骤:步骤1,对图像序列中第一帧图像,标定目标区域,并将目标区域划分为多个显著特征区域;计算各个显著特征区域的颜色纹理直方图;步骤2,对第一帧图像,将各显著特征区域作为马尔可夫随机场模型的节点,显著特征区域之间的空间关系作为连接两个节点的边,利用马尔可夫随机场模型融合显著特征区域之间的空间位置信息以及显著特征区域的局部信息对目标进行建模;步骤3,在跟踪过程中,首先在当前帧中利用MS算法对各个显著特征区域的位置进行匹配,得到各个显著特征区域的初步定位结果;然后将各个显著特征区域的初步定位结果作为MRF模型中各个节点的观测值,输入信念传播算法进行空间域上的概率推断,得到各个显著特征区域的位置;最后根据各个显著特征区域与目标区域中心点的空间位置关系,利用已经得到的各个显著特征区域的位置进行计算,得到最终的目标区域中心并输出跟踪结果。
【技术特征摘要】
1.一种基于概率图模型的目标跟踪方法,其特征在于,包括如下步骤:步骤1,对图像序列中第一帧图像,标定目标区域,并将目标区域划分为多个显著特征区域;计算各个显著特征区域的颜色纹理直方图;步骤2,对第一帧图像,将各显著特征区域作为马尔可夫随机场模型的节点,显著特征区域之间的空间关系作为连接两个节点的边,利用马尔可夫随机场模型融合显著特征区域之间的空间位置信息以及显著特征区域的局部信息对目标进行建模;步骤3,在跟踪过程中,首先在当前帧中利用MS算法对各个显著特征区域的位置进行匹配,得到各个显著特征区域的初步定位结果;然后将各个显著特征区域的初步定位结果作为MRF模型中各个节点的观测值,输入信念传播算法进行空间域上的概率推断,得到各个显著特征区域的位置;最后根据各个显著特征区域与目标区域中心点的空间位置关系,利用已经得到的各个显著特征区域的位置进行计算,得到最终的目标区域中心并输出跟踪结果。2.根据权利要求1所述基于概率图模型的目标跟踪方法,其特征在于,步骤1所述将目标区域划分为多个显著特征区域的具体过程包括以下步骤:步骤1-1,在目标区域中利用Harris算子提取Harris角点;步骤1-2,将Harris角点中属于背景部分及目标边缘的Harris角点去除;步骤1-3,采用K-means算法对步骤1-2剩余的Harris角点进行聚类;步骤1-4,聚类完成后从各个类别中选择距离目标区域的中心最近的Harris角点,以此来划分显著特征区域。3.根据权利要求1所述基于概率图模型的目标跟踪方法,其特征在于,步骤1所述计算各个显著特征区域的颜色纹理直方图的具体过程包括以下步骤:步骤1-5,根据下式计算显著特征区域的颜色直方图:qbc=Σk=1NK(x0′-xk′h)δ(B(xk′)-bc)/Σk=1NK(x0′-xk′h)]]>δ(B(xk′)-bc)=1,B(xk′)=bc0,B(xk′)≠bc]]>其中,表示颜色直方图,K(·)为核函数,x′0为显著特征区域中心像素点颜色特征值,x′k为...
【专利技术属性】
技术研发人员:王玉惠,邵鹏,杨欣,周大可,甄武斌,
申请(专利权)人:南京航空航天大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。