一种人体跟踪方法及其设备技术

本发明专利技术涉及一种复杂背景下的人体跟踪方法及设备，所述方法包括：根据人体的初始位置（ｙ↓［０］）得到一个像素点集合；计算所述集合中像素点的空间特征和颜色特征；以及根据所述空间特征和所述颜色特征来计算当前帧上的人体位置（ｙ↓［１］）。本发明专利技术通过将空间位置信息融合到颜色信息中去，并且结合了人体检测技术对人体跟踪结果进行修正，进一步提高了整体的跟踪能力。

【技术实现步骤摘要】

本专利技术涉及一种人体跟踪方法及设备，尤其涉及一种在复杂背景下对 人体进行跟踪的方法及其设备。
技术介绍
运动目标检测与跟踪是计算机视觉领域的一个重要课题，在视频监控、 机器人导航、人机交互等诸多方面应用广泛。目前比较流行的连接云台控 制摄像机，其核心的云台控制方法就是基于人体跟踪技术设计的。实际监控场景中，由于摄像机的运动、天气的变化等因素的影响，背 景图像有很多复杂的变化。而现有方法对于这种背景复杂变化的情况大多 处理的不好，如常用的均值偏移算法。由于该方法仅仅考虑了候选人体目 标的颜色信息，却忽略了其空间位置信息，所以在运动的人体目标附近的 背景颜色分布与目标颜色相似的情况下处理效果不好，容易导致跟踪失败。 而另一种常用的跟踪方法——粒子滤波方法又需要设置大量的粒子点，计 算量太大，不利于实时处理。
技术实现思路
本专利技术提供了 一种能解决以上问题的复杂背景下的人体跟踪方法及设备。在第一方面，本专利技术提供了一种人体跟踪方法，包括根据人体的 初始位置(y )得到一个像素点集合；计算所述集合中像素点的空间特征和 颜色特征；以及根据所述空间特征和所述颜色特征来计算当前帧上的人体 位置(y:)。在第二方面，本专利技术提供了一种人体跟踪设备，包括视频采集模 块，用于采集视频流图像，输出图像帧；根据人体的初始位置(y())得到一 个像素点集合的模块；计算所述集合中像素点的空间特征和颜色特征的模 块；以及根据所述空间特征和所述颜色特征来计算当前帧上的人体位置(y,)的模块。在本专利技术的一个实施例中，优选地，计算人体位置(yJ的步骤包括 根据所述人体特征来定义候选区域与人体区域的相似性度量；以及根据所 述相似性度量来计算当前帧上的人体位置(y,)。在本专利技术的另一个实施例中，优选地，所述方法还包括对当前帧 上的人体位置(y,)进行检测修正，如果检测结果为人体区域，则将所述人 体位置(yJ作为无需修正的人体位置。 '在本专利技术的还一个实施例中，优选地，所述方法还包括如果检测结 果为非人体区域，则在与所述人体位置(y,)相关的区域中进行窗口扫描，搜索出人体区域，根据搜索出的人体区域对人体位置(yJ进行修正，得到 修正后的人体位置(y2)。在本专利技术的又一个实施例中，优选地，所述检测包括计算与所述 人体位置相关的区域的方向直方图；以及；根据一个均值和与所述方向直 方图来判断该区域是否为人体区域，其中，所述均值通过收集若干人体图 像并根据其方向直方图得出。在本专利技术的还一个实施例中，优选地，所述方法还包括输出所述无 需修正或修正后的人体位置；根据所述无需修正或修正后的人体位置，计 算出当前帧中的人体空间特征和颜色特征并输出；将输出的人体位置、空 间特征和颜色特征作为下一帧的人体初始位置、空间特征和颜色特征。在本专利技术的另一个实施例中，优选地，所述颜色特征是与所述初始位 置相关的人体区域的颜色直方图。本专利技术通过将空间位置信息融合到颜色信息中去，并且结合了人体检 测技术对人体跟踪结果进行修正，进一步提高了系统整体的跟踪能力。附图说明下面将参照附图对本专利技术的具体实施方案进行更详细的说明，在附图中图1是根据本专利技术的人体跟踪系统的框图；以及 图2是根据本专利技术的人体跟踪方法的流程图。具体实施例方式图1是根据本专利技术的人体跟踪系统的框图。如图1所示，该系统包括视频采集模块、人体跟踪模块和人体检测修 正模块。视频采集模块用于获取视频流图像，输出图像帧。人体跟踪模块用于在当前图像上找到与人体模板相似度最大的位置。 人体检测修正模块用于对人体跟踪模块找到的图像位置进行检测与修正。根据本专利技术的人体跟踪系统的工作过程分为两个阶段，初始化阶段和 跟踪阶段。下面对此分别详细阐述。初始化阶段首先需要确定人体的初始位置A ,可以使用各种人体检测方法来检测 人体，甚至可以直接手工标定人体的位置。然后，将人体的初始位置送入 人体跟踪模块。应当指出，所述初始化处理可以由一个单独的初始化模块来进行，也 可以直接由人体检测修正模块完成。更进一步，在当前图像帧中目标人体消失时，需要重新进行初始化，即重新标定yo。如果需要较少的人工参与， 可以使用人体检测的方法，反之，可以简单地用人工标定即可。现有的人 体检测的方法很多，并且不是本专利技术所要阐述的重点，因此不再赘述。跟踪阶段；视频采集模块釆集包括人体的视频流图像，将其中的连续多帧图像分 别作为输入图像，然后重复下述步骤l、 2:步骤1:利用人体跟踪模块计算当前图像帧中人体位置少'。 人体跟踪模块的主要功能是在当前图像帧上找到与人体模板相似度最大处的位置。有多种方法来实现人体跟踪，而本专利技术提出了一种改进的均 值偏移方法。下面对这种改进的均值偏移方';』 首先，计算人体模板区域的颜色直方图设"'Lu. w是中心点为A,长为/7,宽为w的人体模板区域的像素点集 合，定义映射6 J24{1，2，'''，W,对于每个Xi, b(Xj)表示该像素点的特征在量 化的特征空间中的量化序号。对于任意量化值託化2'…，W ，计算其位置均值v":U '='如+/j (i)& 一jl〖/ 6(x,) = w 其中，'"丄0 e/wv"表示的是目标人体所在区域内所有像素值等于u的像素点的空间位 置平均值，反映的是目标人体的空间位置信息，即空间特征。 u在人体区域中出现的概率^可以按如下公式计算A, (乂) ) = C,, f>(|I 2^^) II2 )列6(x,)—"],=i Vw'+Zz' (2)其中是Epanechnikov核函数，外)是Kronecl(er函数，C为归 一化常Zi(》'o) = 1数，使得'=。 。^表示的是目标人体所在区域中所有其像素值等于U的像素点的颜色 信息，即颜色特征。分别完成上述空间特征和颜色特征的计算后，即可得到人体的特征接下来，定义相似性度量。设以凡为中心的候选区域"'L'义w的特征为""(力^"WL。.'. '，该候选区域与人体区域的相似性度量采用如下公式^ (3) 公式(3)反应的是目标区域和候选区域的相似性，其中 第一项IJe— """)-"""")1「表示的是空间位置上的相似性，目标区域和候选区〃=0 .域在空间分布上越接近第一项，其值就越大，从而相似性越大。第二项力\(力么(少。)表示的是颜色信息上的相似性，目标区域和候选区域的颜色越接近第二项，其值就越大，从而相似性越大。原有的均值偏移算法仅仅考虑了目标区域和候选区域的在颜色上的相似性，完全忽略了空间位置上的相似性。因此，在目标的背景颜色分布非 常复杂的情况下，很可能会出现跟踪失败。而本专利技术使用如公式3所述的 相似性度量，将颜色信息和空间信息结合起来考虑，候选区域和目标区域 必须在颜色和空间分布上都很接近才能获得最大的相似性。公式 3 也有其他的构造方式， 比如<formula>formula see original document page 8</formula>;，其中"是0到l之间的常数，表示的是加权系数，可以通过调节该系数来调节颜色信息和空间信息在相似性度量中所占的比重，"越大则空间信息的影响较大，反之，颜色信息的影响较大。最后，使用梯度最优化方法来计算人体在当前图像上的位置"，"应满足~ 。应当指出本文档来自技高网...

【技术保护点】
一种人体跟踪方法，包括：根据人体的初始位置（ｙ↓［０］）得到一个像素点集合；计算所述集合中像素点的空间特征和颜色特征；以及　根据所述空间特征和所述颜色特征来计算当前帧上的人体位置（ｙ↓［１］）。

【技术特征摘要】

【专利技术属性】
技术研发人员：王磊，邓亚峰，黄英，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]