基于HSV的目标跟踪方法及系统技术方案

本发明专利技术公开了一种基于HSV的目标跟踪方法及系统，该方法包括：获取HSV色度信息；根据所述HSV色度信息建立目标模板；利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值；对比所述目标模板与多个预测值，得到与所述目标模板最为相似的所述预测值。本发明专利技术实施例的基于HSV的目标跟踪方法通过对图像采用HSV空间，避免了跟踪结果对光照不敏感，并将目标模板与琐碎模板进行稀疏表达，避免了遮挡对跟踪效果的干扰，并对目标模板的实时更新，使得因动作过大而造成跟踪结果不稳定，最终提高了跟踪的效果。

Target tracking method and system based on HSV

The invention discloses a tracking method and system based on the HSV target, the method comprises: obtaining HSV chrominance information; according to the HSV color information to establish the target template; multiple prediction using the target template and template for the trivial target value; comparing the target template with multiple predictive value get, and the target template is most similar to the predicted value. HSV target tracking method based on the image of HSV space based on the embodiment of the invention, the tracking result is not sensitive to light, and the target template with a trivial template for sparse representation, avoid the blocking interference on the tracking effect, and real-time update the target template, the action which is caused by excessive tracking the result is not stable, and ultimately improve the tracking results.

【技术实现步骤摘要】
基于HSV的目标跟踪方法及系统
本专利技术涉及跟踪
，特别涉及一种基于HSV的目标跟踪方法及系统。
技术介绍
在视觉跟踪系统中，由于受到光照变化、遮挡、尺度变化等因素的干扰，目标跟踪时会出现漂移或者变形等不稳定现象。传统的L1跟踪使用了粒子滤波的框架，利用图像的灰度信息生成模板矩阵，接着联合目标模板和琐碎模板获得目标的稀疏表达模型，通过求解这种模型实现目标跟踪，但是这种方法只有在目标的姿态及尺度大致不变或者变化幅度很小的情况下才能将其检测出来。由于其仅仅利用了目标的灰度信息进行编码，一旦出现持续时间较长的干扰(如光照变化)时，跟踪会发生漂移现象。具体表现为：MeanShift(MS)算法仅仅利用了目标的颜色直方图，当下一帧中的目标及周围区域发生亮度变化时，跟踪中对目标搜索的迭代过程也会受到影响，从而导致无法准确定位目标；传统的L1跟踪利用了目标的灰度信息作为特征模板进行稀疏编码，当出现光照变化和尺度变化时，由于模板更新问题的滞后性往往会使跟踪结果出现漂移现象。
技术实现思路
本专利技术旨在至少在一定程度上解决上述相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于HSV的目标跟踪方法。该方法通过对图像采用HSV空间，避免了跟踪结果对光照不敏感，并将目标模板与琐碎模板进行稀疏表达，避免了遮挡对跟踪效果的干扰，并对目标模板的实时更新，使得因动作过大而造成跟踪结果不稳定，最终提高了跟踪的效果。本专利技术的另一个目的在于提出一种基于HSV的目标跟踪系统。为了实现上述目的，本专利技术的一方面公开了一种基于HSV的目标跟踪方法，所述方法包括：获取HSV色度信息；根据所述HSV色度信息建立目标模板；利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值；对比所述目标模板与多个预测值，得到与所述目标模板最为相似的所述预测值。根据本专利技术的基于HSV的目标跟踪方法，通过对图像采用HSV空间，避免了跟踪结果对光照不敏感，并将目标模板与琐碎模板进行稀疏表达，避免了遮挡对跟踪效果的干扰，并对目标模板的实时更新，使得因动作过大而造成跟踪结果不稳定，最终提高了跟踪的效果。另外，根据本专利技术上述实施例的基于HSV的目标跟踪方法还可以具有如下附加的技术特征：进一步地，根据所述HSV色度信息建立目标模板的步骤，进一步包括：选取目标模板的位置信息；根据所述位置信息，获取所述位置信息的周围信息；对所述位置信息和周围信息采用公式Epanechnikov核函数进行加权处理，所述公式为：其中，X＝(x,y)为每个像素的坐标，X0＝(x0,y0)是区域中心点坐标。进一步地，其中，对所述位置信息和周围信息越靠近中心的地方的权重取值越大。进一步地，所述利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值的步骤，包括：利用粒子滤波法，建立粒子集以生成所述目标模板的样本集；对琐碎模板进行加权处理，并建立稀疏表达模型；根据所述样本集和稀疏表达模型，获取所述跟踪目标的多个预测值。进一步地，所述粒子集为600个。本专利技术的另一方面公开了一种基于HSV的目标跟踪系统，所述系统包括：第一获取模块，用于获取HSV色度信息；建立模块，用于根据所述HSV色度信息建立目标模板；第二获取模块，用于利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值；对比模块，用于对比所述目标模板与多个预测值，得到与所述目标模板最为相似的所述预测值。根据本专利技术的基于HSV的目标跟踪系统，通过对图像采用HSV空间，避免了跟踪结果对光照不敏感，并将目标模板与琐碎模板进行稀疏表达，避免了遮挡对跟踪效果的干扰，并对目标模板的实时更新，使得因动作过大而造成跟踪结果不稳定，最终提高了跟踪的效果。另外，根据本专利技术上述实施例的基于HSV的目标跟踪系统还可以具有如下附加的技术特征：进一步地，所述建立模块，进一步包括：选取单元，用于选取目标模板的位置信息；第一获取单元，用于根据所述位置信息，获取所述位置信息的周围信息；处理单元，用于对所述位置信息和周围信息采用公式Epanechnikov核函数进行加权处理，所述公式为：其中，X＝(x,y)为每个像素的坐标，X0＝(x0,y0)是区域中心点坐标。进一步地，其中，对所述位置信息和周围信息越靠近中心的地方的权重取值越大。进一步地，所述第二获取模块，包括：第一建立单元，用于利用粒子滤波法，建立粒子集以生成所述目标模板的样本集；第二建立单元，用于对琐碎模板进行加权处理，并建立稀疏表达模型；第二获取单元，用于根据所述样本集和稀疏表达模型，获取所述跟踪目标的多个预测值。进一步地，所述粒子集为600个。本专利技术的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。附图说明本专利技术的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：图1是根据本专利技术一个实施例的基于HSV的目标跟踪方法的流程图；图2是根据本专利技术另一个实施例的基于HSV的目标跟踪方法的流程图；以及图3是根据本专利技术一个实施例的基于HSV的目标跟踪系统的结构图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。以下结合附图描述根据本专利技术实施例的基于HSV的目标跟踪方法及系统。图1是根据本专利技术一个实施例的基于HSV的目标跟踪方法的流程图。如图1所示，根据本专利技术一个实施例的基于HSV的目标跟踪方法，包括：S110：获取HSV色度信息。因为HSV颜色模型能够独立感知各颜色分量的变化，且其中的S分量对光照不敏感，将原始的彩色图像由RGB空间转到HSV空间，即获取了HSV的色度信息。S120：根据HSV色度信息建立目标模板。进一步包括：选取目标模板的位置信息；根据位置信息，获取位置信息的周围信息；对位置信息和周围信息采用公式Epanechnikov核函数进行加权处理，公式为：其中，X＝(x,y)为每个像素的坐标，X0＝(x0,y0)是区域中心点坐标。其中，对位置信息和周围信息越靠近中心的地方的权重取值越大。具体而言，任意一个时刻t目标模板如下：d为每一个模板向量的维度，n为模板数量。当t＝1时，手动选取目标的位置信息,设corners_in＝[y1，y2，y3，y4；x1，x2，x3，x4]，标记为目标矩形框的四个角点，接着矩形框的位置绕其周围进行移动，获取十个矩形框，然后提取这些框中目标的色度信息，将各个区域进行加权处理。根据行人跟踪的特点，越靠近中心的地方的权重取值越大。实验中，采用Epanechnikov核函数进行加权，公式如下：其中X＝(x,y)为每一个像素的坐标，X0＝(x0,y0)是区域中心点坐标。其中，可以根据目标模板的变化程度，进行更换。S130：利用目标模板和琐碎模板获取跟踪目标的多个预测值。具体而言，如图2所示，包括：S131：利用粒子滤波法，建立粒子集以生成目标模板的样本集。S132：对琐碎模板进行加权处理，并建立稀疏表达模型。S133：根据样本集和稀疏表达模型，获取跟踪目标的多个预测值。具体而言，S131：获取的corners_in的三个角点，设为矩阵inp，inp＝[y1,本文档来自技高网...

【技术保护点】
一种基于HSV的目标跟踪方法，其特征在于，包括：获取HSV色度信息；根据所述HSV色度信息建立目标模板；利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值；对比所述目标模板与多个预测值，得到与所述目标模板最为相似的所述预测值。

【技术特征摘要】
1.一种基于HSV的目标跟踪方法，其特征在于，包括：获取HSV色度信息；根据所述HSV色度信息建立目标模板；利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值；对比所述目标模板与多个预测值，得到与所述目标模板最为相似的所述预测值。2.根据权利要求1所述的基于HSV的目标跟踪方法，其特征在于，根据所述HSV色度信息建立目标模板的步骤，进一步包括：选取目标模板的位置信息；根据所述位置信息，获取所述位置信息的周围信息；对所述位置信息和周围信息采用公式Epanechnikov核函数进行加权处理，所述公式为：其中，X＝(x,y)为每个像素的坐标，X0＝(x0,y0)是区域中心点坐标。3.根据权利要求2所述的基于HSV的目标跟踪方法，其特征在于，其中，对所述位置信息和周围信息越靠近中心的地方的权重取值越大。4.根据权利要求1所述的基于HSV的目标跟踪方法，其特征在于，利用所述目标模板和琐碎模板获取所述跟踪目标的多个预测值的步骤，包括：利用粒子滤波法，建立粒子集以生成所述目标模板的样本集；对琐碎模板进行加权处理，并建立稀疏表达模型；根据所述样本集和稀疏表达模型，获取所述跟踪目标的多个预测值。5.根据权利要求4所述的基于HSV的目标跟踪方法，其特征在于，所述粒子集为600个。6.一种基于HSV的目标跟踪系统，其特征在于，...

【专利技术属性】
技术研发人员：付小雁，刘梦飞，尚媛园，孙晓宇，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：北京,11