一种基于彩色颜色距离和图像分割聚合的目标跟踪方法

1.一种基于彩色颜色距离和图像分割聚合的目标跟踪方法，其特征在于，包括以下步骤：
(1)框选矩形目标，生成预跟踪目标轮廓，计算颜色直方图模板；具体包括：
(11)在视频中采用矩形框选取目标，在矩形框内外随机选择一些点，采用分水岭分割算法把图像分割成一些离散的区域；
(12)提取出目标轮廓，如果框选目标的矩形框没有超出目标的部分，则认为区域中和原始矩形框有交集的那部分区域为原始目标的近似轮廓；
(13)对目标轮廓的各个区域单独建立颜色直方图模板，再根据颜色直方图的相互相似度对区域进行聚合；
(14)采用颜色不相近的不规则区域完全的表示预跟踪目标得到目标颜色直方图模板，目标颜色直方图模板即是区域的颜色直方图的集合；
(2)对下一帧图像的区域进行分割聚合得到分割区域，将分割区域与颜色直方图模板匹配实现目标跟踪。
2.根据权利要求1所述的基于彩色颜色距离和图像分割聚合的目标跟踪方法，其特征在于，所述步骤(13)中采用HSL颜色模型结构来计算颜色直方图之间的颜色相似度。
3.根据权利要求1所述的基于彩色颜色距离和图像分割聚合的目标跟踪方法，其特征在于，所述步骤(2)包括以下子步骤：
(21)对于下一帧图像根据目标当前速度信息利用卡尔曼滤波对目标位置和大小进行预测，在预测位置附近选择一个兴趣区域；
(22)对兴趣区域采用分水岭分割算法进行分割聚合；
(23)把分割聚合后的分割区域和模板区域集进行匹配，能够和目标颜色直方图模板中任一区域匹配则说明此分割区域应该是目标在此帧图像中的一部分，然后对于所有能够匹配的区域再一次进行聚合，则得到目标在此帧图像中的轮廓表示，从而完成跟踪。
4.根据权利要求3所述的基于彩色颜色距离和图像分割聚合的目标跟踪方法，其特征在于，所述步骤(23)中采用方程H＝(1-α)H'+αH″进行匹配，其中，α为消失系数，H为当前直方图模板，H'为当前轮廓计算出来的直方图模板，H″为上一帧的直方图模板。

一种基于彩色颜色距离和图像分割聚合的目标跟踪方法\n技术领域\n[0001] 本发明涉及电子信息技术领域，特别是涉及一种基于彩色颜色距离和图像分割聚合的目标跟踪方法。\n背景技术\n[0002] 目标跟踪是计算机视觉领域非常重要的一个研究方向，也是智能视频监控领域的核心技术之一。现有的目标跟踪算法在运算会受到很多环境方面（光照变化、形状变化等）的影响，很难满足智能视频监控领域中复杂环境下的鲁棒性要求，此发明为此问题提供了一种可行的方案。\n[0003] 传统的基于颜色直方图的粒子滤波跟踪算法包括以下几个步骤：\n[0004] 步骤一、框选目标，计算预跟踪目标的颜色直方图模板。\n[0005] 步骤二、在新一帧的图像中随机选择一些框，计算这些框的颜色直方图。\n[0006] 步骤三、计算这些直方图和直方图模板之间的距离，与目标最为相似的框即认为是目标在此帧图像中的位置。\n[0007] 步骤四、循环步骤二和三即可实现实时视频的目标跟踪。\n[0008] 此方法在框选目标之后对目标建立颜色直方图模板，而且后续的算法不对其进行更新，忽略了目标颜色特征在运动过程中的变化。这些变化分为两部分，一部分是由于目标运动发生的部分遮挡，另一部分是光照强度的变化，这些变化都有可能导致目标颜色直方图发生明显的变化，以至于当前目标颜色直方图和初始目标颜色直方图完全无法匹配从而导致跟踪算法失效。\n[0009] 一个可能的改进方法就是在跟踪过程中更新颜色直方图模板，但是此方法存在着一个严重的缺陷，因为跟踪框并不是目标的精确位置和形状的描述，所以跟踪框中会存在背景颜色成分，如果每次都更新颜色直方图模板，很容易在一段时间的自动跟踪之后把背景和前景混淆起来，导致跟踪的失败。\n发明内容\n[0010] 本发明所要解决的技术问题是提供一种基于彩色颜色距离和图像分割聚合的目标跟踪方法，避免了跟踪算法对环境要求过高、跟踪不准确的情况发生。\n[0011] 本发明解决其技术问题所采用的技术方案是：提供一种基于彩色颜色距离和图像分割聚合的目标跟踪方法，包括以下步骤：\n[0012] （1）框选矩形目标，生成预跟踪目标轮廓，计算颜色直方图模板；\n[0013] （2）对下一帧图像的区域进行分割聚合得到分割区域，将分割区域与颜色直方图模板匹配实现目标跟踪。\n[0014] 所述步骤（1）包括以下子步骤：\n[0015] （11）在视频中采用矩形框选取目标，在矩形框内外随机选择一些点，采用分水岭分割算法把图像分割成一些离散的区域；\n[0016] （12）提取出目标轮廓，如果框选目标的矩形框没有超出目标的部分，则认为区域中和原始矩形框有交集的那部分区域为原始目标的近似轮廓；\n[0017] （13）对目标轮廓的各个区域单独建立颜色直方图模板，再根据颜色直方图的相互相似度对区域进行聚合；\n[0018] （14）采用颜色不相近的不规则区域完全的表示预跟踪目标得到目标颜色直方图模板，目标颜色直方图模板即是区域的颜色直方图的集合。\n[0019] 所述步骤（11）中选取的矩形框包含在跟踪目标内部。\n[0020] 所述步骤（13）中采用HSL颜色模型结构来计算颜色直方图之间的颜色相似度。\n[0021] 所述步骤（2）包括以下子步骤：\n[0022] （21）对于下一帧图像根据目标当前速度信息利用卡尔曼滤波对目标位置和大小进行预测，在预测位置附近选择一个兴趣区域；\n[0023] （22）对兴趣区域采用分水岭分割算法进行分割聚合；\n[0024] （23）把分割聚合后的分割区域和模板区域集进行匹配，能够和目标颜色直方图模板中任一区域匹配则说明此分割区域应该是目标在此帧图像中的一部分，然后对于所有能够匹配的区域再一次进行聚合，则得到目标在此帧图像中的轮廓表示，从而完成跟踪。\n[0025] 所述步骤（23）中采用方程H=(1-α)H'+αH''进行匹配，其中，α为消失系数，H为当前直方图模板，H'为当前轮廓计算出来的直方图模板，H''为上一帧的直方图模板。\n[0026] 有益效果\n[0027] 由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：本发明可以更好地描述两种颜色的差异，使匹配结果更加精确，对运动物体的检测方法上提出使用图像分割和聚合的方法，对于已知检测物体，采用分割方法可以接近完整的描述出整个目标的轮廓，跟踪框不再是一个矩形或者椭圆，而是一个随目标形状变化而变化的不规则平面体，有效地把前景和背景分离开来，从而可以在跟踪的过程中更新颜色直方图模板，而不必担心跟踪框中有过多的背景成分。经试验验证，该方法能够在运动目标大小形状变化，光照变化等情况下表现出优异的跟踪功能，该算法没有明显的提高算法复杂度，所以在实际应用中可以满足实时性要求。\n附图说明\n[0028] 图1是本发明的流程图；\n[0029] 图2是HSL颜色模型图。\n具体实施方式\n[0030] 下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。\n[0031] 本发明提出一种基于彩色颜色距离和图像分割聚合的目标跟踪方法，在直方图距离（相似性）计算上提出一种新的更接近现实颜色模型的计算方法，这种方法可以更好地描述两种颜色的差异，使匹配结果更加精确，对运动物体的检测方法上提出使用图像分割和聚合的方法，对于已知检测物体，采用分割方法可以接近完整的描述出整个目标的轮廓，跟踪框不再是一个矩形或者椭圆，而是一个随目标形状变化而变化的不规则平面体，有效地把前景和背景分离开来，从而可以在跟踪的过程中更新颜色直方图模板，而不必担心跟踪框中有过多的背景成分。经试验验证，该方法能够在运动目标大小形状变化，光照变化等情况下表现出优异的跟踪功能，该算法没有明显的提高算法复杂度，所以在实际应用中可以满足实时性要求。\n[0032] 如图1所示，具体步骤如下：\n[0033] 步骤一、框选矩形目标，生成预跟踪目标轮廓，计算颜色直方图模板。\n[0034] Step1：在实时视频中用一个矩形框选目标，在矩形框内外随机选择一些点，采用分水岭分割算法把图像分割成一些离散的小的区域，点的个数一般保证每一个分割区域平均50*50像素为宜。取点过于密集会导致图像过度分割，虽然不会影响最终结果，但是会降低后面聚合和匹配的效率，取点过于稀疏会导致完全不同的颜色分布区域被划分在一起，降低了算法的精准度。值得一提的是，矩形框应该完全包含在跟踪目标内部，这样可以保证生成的目标轮廓不会包含背景信息。\n[0035] Step2：提取出目标轮廓。如果框选目标时候的矩形框没有超出目标的部分，则可以认为分割区域中和原始矩形框有交集的那部分区域即使原始目标的近似轮廓。\n[0036] Step3：分割图像的聚合。因为点是随机选取的，所以肯定存在过分割的情况，对Step2中属于目标轮廓的各个分割区域单独建立颜色直方图模板，再根据颜色直方图的相互相似度对这些区域进行聚合。\n[0037] 在计算颜色直方图相似度的时候有很多方法可以使用，常用的计算方法包括以下几种：Correlation、Chi-Square、Bhattacharyya distance。这些方法都是直接利用利用直方图中相同颜色区域概率的差值或者相关性函数来计算，如果因光照条件或者阴影的影响，使得同一种颜色落在相邻的两个直方图区域中，则可能导致颜色距离计算偏大。\n[0038] 本发明提出的颜色距离计算方法可以更精确的描述两个直方图的距离，计算距离时不止和相同直方图区域进行差值或者相关性计算，如果相同直方图区域的值差距很大，则需要和相邻颜色区域进行相关性计算，但是此时需要乘上一个颜色距离加权系数来降低这种方法可能带来的误差。\n[0039] 为了能够找到一种更接近于人眼系统的颜色距离表示方式，对HSL模型进行了研究，最终采用两种颜色在HSL归一化模型系统中的真实距离来表示颜色间距离。如图2所示，HSL模型为一个双圆锥结构，从结构图中可以看出，纯白色和纯黑色的距离最远，这也是符合现实世界中人眼系统的。事实证明，这种直方图距离计算方式更能够清晰地描述物理世界模型，更容易克服光照变化带来的影响。\n[0040] Step4：建立颜色直方图模板。Step3的结果是用一些颜色不相近的不规则区域完全的表示预跟踪目标，目标颜色直方图模板即是这些区域的颜色直方图的集合。\n[0041] 步骤二、通过分割、聚合、匹配等步骤完成目标的跟踪。\n[0042] Step1：确定跟踪区域。对于下一帧图像，根据目标当前速度等信息利用卡尔曼滤波对目标位置和大小进行预测，在预测位置附近选择一个适当的兴趣区域，可以大胆假设此帧图像内目标会出现在此兴趣区域。\n[0043] Step2：对兴趣区域进行分割聚合。类似步骤一中的Step1，在此区域内随机选择一些点，同样采用分水岭分割算法分割聚合。\n[0044] Step3：匹配跟踪过程。把此聚合后的分割区域和模板区域集进行匹配，能够和集合中任一区域匹配则说明此分割区域应该是目标在此帧图像中的一部分，然后对于所有能够匹配的区域再一次进行聚合，则得到目标在此帧图像中的轮廓表示。因为跟踪的区域为目标轮廓的完全表示，所以可以更新直方图模板，而不会导致更新后的模板包含背景的信息。为了防止误匹配使目标轮廓包含背景颜色信息，可以设置一个α作为消失系数，当前直方图模板可以表示为：H=(1-α)H'+αH''，其中，H'为当前轮廓计算出来的直方图模板，H''为上一帧的直方图模板。\n[0045] Step4：循环执行步骤二，可实现目标跟踪功能，即可实现目标的鲁棒性跟踪。