一种动态背景目标跟踪方法技术

本发明专利技术公开了一种动态背景目标跟踪方法。该方法为：首先手动选择跟踪目标作为初始的目标状态模板，在此目标附近放置粒子集，并通过状态转移模型得到k时刻的粒子集；然后计算初始目标模型的H

【技术实现步骤摘要】
一种动态背景目标跟踪方法


[0001]本专利技术涉及图像目标跟踪
，特别是一种动态背景目标跟踪方法。

技术介绍

[0002]运动目标的跟踪作为军事制导、安全监控等系统中的核心技术，是计算机视觉领域的一个研究热点。国内对视频运动目标检测和跟踪技术的研究相对较晚。近年来，国内许多研究机构在该领域也开展了大量研究工作，但是目前对视频目标跟踪理论和应用的研究还处于在一定的限制条件下设计特定方法的阶段，许多目标跟踪算法对复杂的背景或者变化的目标的跟踪常常会遇到很大的困难，甚至丢失目标导致跟踪失败，通常只适用于一些背景不太复杂、目标变换不大或者其他一些特定的工作场合。因此，如何有效、精准地表征目标，如何在运动目标发生变化和背景复杂地情况下实时精确地跟踪目标，是目前视频目标跟踪研究中的主要难题。
[0003]目前比较经典的跟踪算法有Meanshift、Camshift算法、粒子滤波、卡尔曼滤波算法等。Camshift比较简单，计算量较少，但是容易陷入局部最优，在背景比较复杂的视频中容易受到干扰，跟踪效果较差；粒子滤波运算复杂度较高，但是对于遮挡后再跟踪有比较好的效果。在复杂动态背景下，单一的传统跟踪算法并不能实现稳定的跟踪效果，因此多种跟踪算法融合的方式被提出并应用于实现稳定跟踪。
[0004]由于单一的传统目标跟踪算法在背景环境复杂时比较容易受到外界干扰，并且不可避免的存在目标被遮挡后难以继续跟踪的情况。此外，一些较为先进的基于深度学习的目标跟踪算法，需要事先训练大量样本集，而机场围界经过的运动目标类型较多，不利于统计样本，这些算法对平台性能要求较高，增加了应用成本。

技术实现思路

[0005]本专利技术的目的在于提供一种系统稳健性强、跟踪效果好、抗干扰能力强、计算量小、实时性强的基于粒子滤波与Camshift相结合的动态背景目标跟踪方法。
[0006]实现本专利技术目的的技术解决方案为：一种动态背景目标跟踪方法，包括以下步骤：
[0007]步骤1、手动选择跟踪目标作为初始的目标状态模板，并在跟踪目标所在区域放置粒子集；
[0008]步骤2、通过状态转移模型得到k时刻的粒子集；
[0009]步骤3、计算初始化后的目标状态模板的H
‑
S联合颜色直方图和梯度方向直方图，并利用Camshift算法的迭代对k时刻粒子集中的每个粒子进行漂移，使粒子集中的粒子移动到目标当前所在的区域，得到漂移后的k时刻粒子集；
[0010]步骤4、根据目标的H
‑
S联合颜色直方图和梯度方向直方图建立观测模型，通过观测模型判断漂移后的k时刻粒子集中每个粒子状态与实际状态的相似度，然后计算粒子权值并归一化；
[0011]步骤5、对权值小于阈值e的粒子，利用随机采样法复制从粒子集中随机选取的粒
子取代原粒子，完成粒子重采样，其中e＝1/N；
[0012]步骤6、对重采样后的粒子加权求和，得到当前目标的估计状态，确定目标位置。
[0013]本专利技术与现有技术相比，其显著优点在于：(1)解决了遮挡物与目标颜色相似时对跟踪效果的干扰问题，系统有较强的稳健性；(2)在网格围栏与遮挡物较多的复杂背景中，跟踪过程基本不受网格干扰，跟踪效果好；(3)能够实时反映目标框位于遮挡物体处时目标所处的位置；(4)利用Camshift迭代每个粒子使其漂移到目标区域，计算量小，实时性强。
附图说明
[0014]图1为本专利技术动态背景目标跟踪方法的流程示意图。
具体实施方式
[0015]下面结合附图和具体实施例对本专利技术做进一步的详细说明。
[0016]结合图1，本专利技术一种动态背景目标跟踪方法，包括如下步骤：
[0017]步骤1、手动选择跟踪目标作为初始的目标状态模板，并在跟踪目标所在区域放置粒子集，具体如下：
[0018]在视频中手动选择需要跟踪的目标，作为初始的目标状态模板，在此目标附近随机放置粒子集取共有N个粒子样本。该粒子集为在目标附近通过加高斯噪声方式产生的N个粒子其中为各个粒子的初始权值，表示初始状态下编号为i的粒子。
[0019]步骤2、通过状态转移模型得到k时刻的粒子集，具体如下：
[0020]通过状态转移模型得到的k时刻的粒子集记为其中代表粒子的随机传播半径，表示k时刻第i个粒子的可能状态。
[0021]状态转移模型为：
[0022]x
k
＝2x
k
‑1‑
x
k
‑2+ru
k
‑1[0023]其中，x
k
为k时刻的目标状态，u
k
‑1为高斯噪声且u
k
‑1∈[
‑
1,1]，代表粒子的随机传播半径。
[0024]步骤3、计算初始化后的目标状态模板的H
‑
S联合颜色直方图和梯度方向直方图，并利用Camshift算法的迭代对k时刻粒子集中的每个粒子进行漂移，使粒子集中的粒子移动到目标当前所在的区域，得到漂移后的k时刻粒子集，具体如下：
[0025]步骤3.1、计算初始目标模型的H
‑
S联合颜色直方图，具体如下：
[0026]将RGB图像空间转换成HSV图像空间，再对其中的H
‑
S色调分量计算直方图，作为目标的颜色特征参数。由于在框选目标时，选择框的边界部分有可能是背景图像，因此利用核函数k(r)对初始目标模型的颜色分布直方图进行加权处理，使得随着像素远离目标模型中心，该像素所占权重逐渐减小。当像素在目标框边缘部分视，像素权重为0。增强了颜色特征模型的可靠性；
[0027]核函数k(r)为：
[0028][0029]式中r为像素点到目标框中心的距离；
[0030]设定目标框中的像素点为x
i
，中心点为y，则目标框内的颜色分布直方图为：
[0031][0032][0033][0034]其中m为目标的颜色分布直方图的维数，N为目标区域内像素总数；h(x
i
)为像素点x
i
点对应颜色分布直方图中的值，δ[h(x
i
)
‑
u]为单位冲击函数，根据x
i
点的颜色值是否位于第u个颜色分布直方图的区间内进行取值，若在则为1，否则为0；a为目标区域自适应变量，为目标框的宽和高；f为归一化因子；
[0035]分别构造跟踪目标的H分量直方图和S分量直方图，然后将上述两种直方图加权融合得到跟踪目标的H
‑
S联合颜色直方图：
[0036][0037]其中α∈(0.5,1)为加权系数；分别为H分量直方图、S分量直方图和H
‑
S联合颜色直方图，α∈(0.5,1)为加权系数；
[0038]步骤3.2、利用Sobel算子计算框选目标区域的梯度方向直方图，具体如下：
[0039]Sobel算子的横向和纵本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态背景目标跟踪方法，其特征在于，包括以下步骤：步骤1、手动选择跟踪目标作为初始的目标状态模板，并在跟踪目标所在区域放置粒子集；步骤2、通过状态转移模型得到k时刻的粒子集；步骤3、计算初始化后的目标状态模板的H
‑
S联合颜色直方图和梯度方向直方图，并利用Camshift算法的迭代对k时刻粒子集中的每个粒子进行漂移，使粒子集中的粒子移动到目标当前所在的区域，得到漂移后的k时刻粒子集；步骤4、根据目标的H
‑
S联合颜色直方图和梯度方向直方图建立观测模型，通过观测模型判断漂移后的k时刻粒子集中每个粒子状态与实际状态的相似度，然后计算粒子权值并归一化；步骤5、对权值小于阈值e的粒子，利用随机采样法复制从粒子集中随机选取的粒子取代原粒子，完成粒子重采样，其中e＝1/N；步骤6、对重采样后的粒子加权求和，得到当前目标的估计状态，确定目标位置。2.根据权利要求1所述的动态背景目标跟踪方法，其特征在于，步骤1中所述的在跟踪目标所在区域放置粒子集，具体如下：在跟踪目标所在区域通过加高斯噪声的方式产生N个粒子其中为各个粒子的初始权值，其中表示初始状态下编号为i的粒子。3.根据权利要求1所述的动态背景目标跟踪方法，其特征在于，步骤2中所述的状态转移模型，具体为：x
k
＝2x
k
‑1‑
x
k
‑2+ru
k
‑1其中，x
k
为k时刻的目标状态，u
k
‑1为高斯噪声且u
k
‑1∈[
‑
1，1]，代表粒子的随机传播半径。4.根据权利要求1所述的动态背景目标跟踪方法，其特征在于，步骤2所述的通过状态转移模型得到k时刻的粒子集，具体如下：得到的k时刻的粒子集为其中代表粒子的随机传播半径，表示k时刻第i个粒子的可能状态。5.根据权利要求1所述的动态背景目标跟踪方法，其特征在于，步骤3所述的计算初始化后的目标状态模板的H
‑
S联合颜色直方图和梯度方向直方图，并利用Camshift算法的迭代对k时刻粒子集中的每个粒子进行漂移，使粒子集中的粒子移动到目标当前所在的区域，得到漂移后的k时刻粒子集，具体如下：步骤3.1、计算初始目标模型的H
‑
S联合颜色直方图，具体如下：将RGB图像空间转换成HSV图像空间，对其中的H
‑
S色调分量计算直方图，作为目标的颜色特征参数，利用核函数k(r)对初始目标模型的颜色分布直方图进行加权处理，使得随着像素远离目标模型中心，该像素所占权重逐渐减小，当像素在目标框边缘部分视，像素权重为0；核函数k(r)为：
式中r为像素点到目标框中心的距离；设定目标框中的像素点为x
i
，中心点为y，则目标框内的颜色分布直方图为：为：为：其中m为目标的颜色分布直方图的维数，N为目标区域内像素总数；h(x
i
)为像素点x
i
点对应颜色分布直方图中的值，δ[h(x
i
)
‑
u]为单位冲击函数，根据x
i
点的颜色值是否位于第u个颜色分布直方图的区间内进行取值，若在则为1，否则为0；a为目标区域自适应变量，为目标框的宽和高；f为归一化因子；分别构造跟踪目标的H分量直方图和S分量直方图，然后将上述两种直方图加权融合得到跟踪目标的H
‑
S联合颜色直方图：其中α∈(0.5，1)为加权系数；分别为H分量直方图、S分量直方图和H
‑
S联合颜色直方图，α∈(0.5，1)为加权系数；步骤3.2、利用Sobel算子计算框选目标区域的梯度方向直方图，具体如下：Sobel算子的横向和纵向梯度模板分别为G
x
、G
y
：利用Sobel算子的梯度模板计算图中目标区域所有像素点在x、y方向的梯度值，得到该框选目标在边缘区域的梯度幅值G和边缘方向θ为：式中然后对各个方向上的梯度幅值进行统计，构造目标区域的梯度方向直方图，公式如下：其中u为目标的颜色分布直方图的维数，N为目标区域内像素总数；θ(x
i
)为像素点x
i
点对应颜色分布直方图中的值，δ[θ(x
i
)
‑
u]为单位冲击函数；步骤3.3、利用Cam...

【专利技术属性】
技术研发人员：郭健，叶雅婷，李胜，钱抒婷，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：