一种基于改进Camshift算法的人脸跟踪方法技术

本发明专利技术公开了一种基于改进Camshift算法的人脸跟踪方法，所述方法包括以下步骤：1）以视频图像初始帧中的人脸为初始人脸窗口，作为跟踪目标；2）以跟踪目标的质心位置和窗口大小对改进的Camshift跟踪算法进行建模，在当前帧图像中利用该跟踪算法计算得到最优候选窗口；3）计算当前帧图像遮挡干扰是否超过给定阈值；4）干扰小于给定阈值，使用步骤2得到的候选窗口作为目标窗口，并返回目标窗口；5）若干扰不小于给定阈值，引入Kalman滤波器，将得到的目标质心作为观测向量进行预测，返回预测结果作为目标窗口；6）使用Kalman滤波器得到的输出预测向量作为搜索窗口中心，继续下一帧的目标跟踪。

A Face Tracking Method Based on Improved Camshift Algorithms

【技术实现步骤摘要】
一种基于改进Camshift算法的人脸跟踪方法
本技术涉及一种视频目标跟踪
，尤其涉及一种基于改进Camshift算法的人脸跟踪方法。
技术介绍
在现代交通运输作业中，由于运输路程长、工作强度高，驾驶员易出现疲劳驾驶现象，从而导致各类交通事故。在利用卷积神经网络完成背景与人脸的分离，框出人脸窗口后，需要对人脸窗口进行跟踪，以进行后续通过面部特征对疲劳情况的判定。目标跟踪算法决定了目标跟踪的实时性和准确性，而现有的Camshift跟踪算法计算计算量大，保证了人脸窗口追踪的实时性，由于搜索窗口尺寸不固定，导致跟踪窗口不断扩大，相近颜色容易受到干扰的同时更新尺寸参数调制搜索框的计算量大。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于改进Camshift算法的人脸跟踪方法，在识别车辆驾驶员人脸后实现对人脸窗口的实时跟踪，可以通过视频第一帧图像检测到的人脸窗口，根据图像中干扰的大小，选择跟踪算法，获取人脸目标窗口。本专利技术至少通过如下技术方案之一实现。一种基于改进Camshift算法的人脸跟踪方法，在识别车辆驾驶员人脸后实现对人脸窗口的实时跟踪，通过视频第一帧图像检测到的初始人脸窗口，跟踪得到后续帧图像中的人脸目标窗口，所述方法包括以下步骤：1)以视频图像初始帧中的驾驶员人脸为初始人脸窗口，作为跟踪目标；2)以跟踪目标的质心位置和窗口大小对改进的Camshift跟踪算法进行建模，在当前帧图像中利用改进的Camshift跟踪算法计算得到最优候选窗口；3)计算当前帧图像是否被干扰；4)干扰小于给定阈值，使用步骤2)得到的最优候选窗口作为目标窗口，并返回目标窗口；5)若干扰不小于给定阈值，引入Kalman滤波器，将改进的Camshift跟踪算法搜索得到的目标质心输入到Kalman滤波器作为观测向量进行预测，得到的输出预测向量作为目标窗口中心，并返回目标窗口；6)使用Kalman滤波器得到的输出预测向量作为改进的Camshift跟踪算法的搜索窗口质心，返回步骤2)继续进行下一帧的目标跟踪。进一步的，步骤2)所述的改进的Camshift跟踪算法的运算步骤为：(1)将图像转换到HSV颜色空间，得到图像的颜色概率分布，转换过程如下：将图像的颜色由RGB空间转为HSV空间，再提取出H分量，其中H分量和RGB各分量的映射关系为：然后对图像进行反向投影的运算，也就是将观测图像的每一个像素值用其分量在直方图中对应的值替代；所得到的输出图像就是颜色概率分布图像；(2)初始化一个跟踪窗口，窗口的大小为S，采用Meanshift算法进行搜索，找到最匹配的区域；(3)更新搜索窗口的位置并计算跟踪目标的质心位置大小。进一步的，所述Meanshift算法的计算过程如下：以视频图像初始帧中的驾驶员人脸为初始人脸窗口，作为跟踪目标,这个窗口称为Meanshift算法的目标区域。设目标区域的中心像素的坐标为x0，其中有n个像素点xi，i＝1～n，则在选定的目标窗口中，初始帧的第u个特征值的概率为：式中，k为核函数，采用Epanechikov核函数；h是核函数的带宽，C是归一化常数，使得δ是单位脉冲函数；b(xi)为第i个像素位置的目标索引。以起始帧以后的各帧中目标可能存在的区域为候选区域。设候选区域的中心像素的坐标为y,其中有nh个像素点{xi}i＝1,2,…,nh，候选区域特征值为u的概率为：其中归一化常数采用巴氏距离来计算目标区域与候选区域之间的相似程度，设目标区域的中心像素的坐标为x，候选区域的中心像素的坐标为y；设目标区域与候选区域的直方图分别为qu(x)和pu(y)，则相似性为：ρ(y)的值在0-1之间，值越大表示目标区域与候选区域越相近。目标跟踪的过程为计算目标区域与候选区域相似度的大小，并在当前帧选择最优候选区域为目标在本帧中的位置。定义目标区域的直方图分布为：{qu}，u＝1,2,…,m，m为特征值的个数，目标可能在的位置为y0。初始化当前帧的目标区域，先将前一帧的目标区域的中心位置定为当前帧的候选区域的中心位置，加权直方图，计算其中，pu(y0)为候选区域直方图，qu(x0)为目标区域直方图，x0为目标区域的中心位置，ρ[pu(y0),qu]为当前帧候选区域与目标区域的相似性；更新权值{wi}，i＝1,2,...,nh，计算目标可能位置y1，更新{pu(y1)}，u＝1,2,…,m；计算若ρ[pu(y1),qu]<ρ[pu(y0),qu]，使再计算ρ[pu(y1),qu]。当||y1-y0||<θ结束，θ为预设的阈值，y1为最匹配的候选区域中心位置，否则使y0＝y1，更新初始化当前帧目标可能存在的区域，然后重复此步骤直到得到的最匹配的候选区域中心位置y1。将Meanshift算法应用于视频图像的每一帧即可找到目标的新位置，以实现目标的跟踪。所述改进的Camshift跟踪算法在对每一帧图像分别采用步骤2)Meanshift算法寻找与目标最匹配的候选区域后，根据不变矩估计运动目标的中心，并将跟踪结果作为下一针的初始搜索窗口，如此循环，实现对运动目标的连续跟踪，具体的，根据搜索窗口的大小和初始位置，搜索窗口尺寸固定不变，利用跟踪窗口的零阶矩M00和坐标(x,y)的一阶矩(M10,M01)间的关系得到窗口的质心(xc,yc)，质心(xc,yc)的计算为：xc＝M10/M00,yc＝M01/M00式中Ic(x,y)是坐标(x,y)的像素值，将跟踪窗口的中心调整到质心，并不断重复以上步骤，直到跟踪窗口的中心和质心小于阈值，则该跟踪窗口为最优候选窗口。进一步的，步骤2)以跟踪目标的质心位置和窗口大小对传统的Camshift跟踪算法进行建模时，考虑到驾驶过程中驾驶员座椅固定，身系安全带，人脸窗口尺寸变动小，仅搜索窗口中心位置有变动，因此改进的Camshift跟踪算法是固定搜索窗口尺寸为跟踪目标窗口大小，避免当目标与背景颜色接近时，Camshift跟踪算法自动将其包括在内，导致跟踪窗口不断扩大避免相近颜色干扰的同时减少更新尺寸参数调制搜索框的计算量。进一步的，步骤3)所述的图像遮挡干扰计算方法为：步骤3)通过巴氏距离(巴塔恰里雅距离，Bhattacharyyadistance)来判断目标是否被干扰，其计算如下：其中，y为y0、y1统称，代表目标区域的位置，ρ(y)表示巴氏(Bhattacharyya)系数，pu(y)为目标区域的颜色直方图，qu为候选区域的颜色直方图，计算两者的巴氏距离d(y)：设定一个阈值T，若满足d(y)>T，说明目标已经被严重遮挡。进一步的，步骤5)若干扰不小于给定阈值，引入Kalman滤波器，并将改进的Camshift跟踪算法搜索得到的目标质心输入到Kalman滤波器作为观测向量进行预测，得到的输出预测向量作为目标窗口质心，并返回目标窗口。Kalman滤波器的两个公式分别为：状态方程：Xk＝Ak,k-1Xk-1+Vk-1观测方程：Yk＝HXk+Wk式中：Xk和Xk-1分别为k时刻和k-1时刻的状态向量；Yk表示k时刻观测向量；Ak,k-1为相应的状态转移矩阵；H表示观测矩阵；Vk-1和Wk分别为k-1时刻和k时刻的噪声，相应的方差矩阵分别为Q和R。设状态向量为Xk＝[xsk,ysk,x本文档来自技高网...

【技术保护点】
1.一种基于改进Camshift算法的人脸跟踪方法，其特征在于，在识别车辆驾驶员人脸后实现对人脸窗口的实时跟踪，通过视频初始帧图像检测到的初始人脸窗口，跟踪得到后续帧图像中的人脸目标窗口，所述方法包括以下步骤：1)以视频图像初始帧中的驾驶员人脸为初始人脸窗口，作为跟踪目标；2)以跟踪目标的质心位置和窗口大小对改进的Camshift跟踪算法进行建模，在当前帧图像中利用改进的Camshift跟踪算法计算得到最优候选窗口；3)计算当前帧图像是否被干扰；4)干扰小于给定阈值，使用步骤2)得到的最优候选窗口作为目标窗口，并返回目标窗口；5)若干扰不小于给定阈值，引入Kalman滤波器，将由步骤2)得到的最优候选窗口的质心输入到Kalman滤波器作为观测向量进行预测，得到的输出预测向量作为目标窗口中心，并返回目标窗口；6)使用Kalman滤波器得到的输出预测向量作为改进的Camshift跟踪算法的搜索窗口质心，返回步骤2)继续进行下一帧的目标跟踪。

【技术特征摘要】
1.一种基于改进Camshift算法的人脸跟踪方法，其特征在于，在识别车辆驾驶员人脸后实现对人脸窗口的实时跟踪，通过视频初始帧图像检测到的初始人脸窗口，跟踪得到后续帧图像中的人脸目标窗口，所述方法包括以下步骤：1)以视频图像初始帧中的驾驶员人脸为初始人脸窗口，作为跟踪目标；2)以跟踪目标的质心位置和窗口大小对改进的Camshift跟踪算法进行建模，在当前帧图像中利用改进的Camshift跟踪算法计算得到最优候选窗口；3)计算当前帧图像是否被干扰；4)干扰小于给定阈值，使用步骤2)得到的最优候选窗口作为目标窗口，并返回目标窗口；5)若干扰不小于给定阈值，引入Kalman滤波器，将由步骤2)得到的最优候选窗口的质心输入到Kalman滤波器作为观测向量进行预测，得到的输出预测向量作为目标窗口中心，并返回目标窗口；6)使用Kalman滤波器得到的输出预测向量作为改进的Camshift跟踪算法的搜索窗口质心，返回步骤2)继续进行下一帧的目标跟踪。2.根据权利要求书1所述一种基于改进Camshift算法的人脸跟踪方法，其特征在于，步骤2)所述的改进的Camshift跟踪算法是在Camshift跟踪算法的基础上固定搜索窗口尺寸，并将搜索窗口尺寸作为跟踪目标窗口大小。3.根据权利要求书1所述一种基于改进Camshift算法的人脸跟踪方法，其特征在于，步骤2)所述的改进的Camshift跟踪算法的运算步骤为：(1)将图像转换到HSV颜色空间，得到图像的颜色概率分布，转换过程如下：将图像的颜色由RGB空间转为HSV空间，再提取出H分量，其中H分量和RGB各分量的映射关系为：然后对图像进行反向投影的运算，也就是将观测图像的每一个像素值用其分量在直方图中对应的值替代；所得到的输出图像就是颜色概率分布图像；(2)初始化一个跟踪窗口，窗口的大小为S，采用Meanshift算法进行搜索，找到最匹配的区域；(3)更新搜索窗口的位置并计算跟踪目标的质心位置大小。4.根据权利要求书3所述一种基于改进Camshift算法的人脸跟踪方法，其特征在于，所述Meanshift算法的计算过程如下：设目标区域的中心像素的坐标为x0，其中有n个像素点xi，i＝1～n，在选定的目标窗口中，初始帧的第u个特征值的概率为：式中，k为核函数，采用Epanechikov核函数；h是核函数的带宽，C是归一化常数，使得δ是单位脉冲函数；b(xi)为第i个像素位置的目标索引；以起始帧以后的各帧中目标可能存在的区域为候选区域，设候选区域的中心像素的坐标为y,其中有nh个像素点{xi}，i＝1,2,…,nh，候选区域特征值为u的概率为：其中归一化常数采用巴氏距离来计算目标区域与候选区域之间的相似程度，设目标区域的中心像素的坐标为x，候选区域的中心像素的坐标为y，目标区域与候选区域的直方图分别为qu(x)和pu(y)，则相似性为：ρ(y)的值在0-1之间，值越大表示目标区域与候选区域中心位置越相近；定义目标区域的直方图分布为：{qu}，u＝1,2,…,m，m为特征值的个数，目标可能在的位置为y0；初始化当前帧的目标区域，先将前一帧的目标区域的中心位置定为当前帧的候选区域的中心位置，加权直方图，计算其中，p...

【专利技术属性】
技术研发人员：姜立标，李静轩，张俊伟，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：广东,44