一種基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法
【專利摘要】本發(fā)明公開了一種基于壓縮域融合的Meanshift核窗寬動態(tài)更新方法，該方法將壓縮域分析與Meanshift跟蹤算法相結(jié)合，即首先對視頻編碼過程中產(chǎn)生的運動矢量進行概率統(tǒng)計分析，以獲取目標運動的尺寸大小，據(jù)此動態(tài)更新目標的顏色概率模型及核窗寬大小，使得目標模型更加真實。本發(fā)明的技術方案不僅提高了目標尺寸明顯變化下的運動跟蹤精度，而且提高了運算效率。該方案尤其適用于智能視頻監(jiān)控設備中的視頻編碼與目標跟蹤同時進行的情況。
【專利說明】—種基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法
【技術領域】
[0001]本發(fā)明屬于視頻智能分析【技術領域】,特別涉及一種基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法。
【背景技術】
[0002]Mean shift算法(均值偏移算法)是一種非參數(shù)密度估計算法，由Fukunaga于1975年首先提出。其作為一種高效的模式匹配算法，己被成功地應用于實時性要求較高的目標跟蹤系統(tǒng)中。Dorm Comaniciu首先將Mean Shift算法應用于圖像濾波、分割與目標跟蹤等領域。Bradski提出以顏色直方圖為目標模式的Mean shift目標跟蹤算法。該算法先利用顏色直方圖得到每幀圖像的顏色投影圖，然后自適應調(diào)整搜索窗口的位置和大小，并通過不斷收斂將得到的最優(yōu)中心位置作為目標的中心。
[0003]相比較其他的運動目標跟蹤算法，Mean shift算法具有如下特點:
[0004](I)計算量不大，可以滿足實時跟蹤的要求；
[0005](2)對運動目標變形、旋轉(zhuǎn)，背景變化不敏感；
[0006](3)對于部分遮擋情況下的目標跟蹤具有一定的魯棒性；
[0007](4)Mean shift作為一個無參數(shù)密度估計算法，容易與其他算法進行融合與集成。
[0008]但是，Mean shift算法也存在一些缺陷:
[0009](I)跟蹤過程中核窗寬的大小保持不變，當目標有明顯尺度變化時，可能導致跟蹤失?。?br> [0010](2)顏色直方圖是一種比較弱的對目標特征的描述，當有相似顏色干擾(遮擋)時，算法效果欠佳；
[0011](3)Mean shift算法進行局部搜索，當場景中目標的運動速度很快時，目標區(qū)域在相鄰兩幀間會出現(xiàn)沒有重疊的區(qū)域的情況，目標此時往往收斂于背景中與目標顏色分布比較相似的物體，而不是場景中的目標，從而跟蹤丟失；
[0012]另外，Mean shift算法跟蹤效果的提升主要依賴于單一顏色特征描述被跟蹤目標的準確性，如果繼續(xù)延續(xù)這一思路，基于顏色特征的Mean shift目標跟蹤效果很難有更大的提升空間。

【發(fā)明內(nèi)容】

[0013]本發(fā)明針對Mean shift算法跟蹤尺度變化的目標易丟失的問題，提出了基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法，通過壓縮域運動矢量的分析，提取運動目標的尺寸大小，據(jù)此動態(tài)更新目標的顏色概率模型及核窗寬大小，使得目標模型更加真實，從而提聞目標跟蹤的準確性。
[0014]本發(fā)明所采用的技術方案是:一種基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法，其特征在于，包括以下步驟:
[0015]步驟1:在首幀圖像中采用人機交互方式手動獲取待跟蹤目標的區(qū)域信息，通過在首幀圖像上采用矩形框直接標注待跟蹤目標的區(qū)域，矩形框中心作為待跟蹤目標的中心位置，其中心坐標為(X，y),矩形框?qū)挾群烷L度為(Wtl, Htl),在此基礎上建立待跟蹤目標顏色概率的目標模型I;
[0016]步驟2:從第二幀圖像開始，在壓縮域中根據(jù)運動矢量分析提取所述的待跟蹤目標在當前幀中的尺寸(W，H)；
[0017]步驟3:待跟蹤目標在當前幀中的尺寸(W，H)與待跟蹤目標的尺寸(Wtl, H0)進行比較，判斷待跟蹤目標的尺寸變化比率是否超過預設閥值K?
[0018]若是，則更新待跟蹤目標的核窗寬大小，得到新的跟蹤目標核窗寬，然后計算所述的新的跟蹤目標核窗寬的顏色概率密度；
[0019]若否，則計算所述的待跟蹤目標核窗寬的顏色概率密度；
[0020]步驟5:計算當前候選區(qū)域的顏色概率密度；其中所述的候選區(qū)域為所述的跟蹤目標核窗寬所在幀的以后的每幀中，可能包含跟蹤目標的區(qū)域；
[0021]步驟6:計算所述的候選區(qū)域與跟蹤目標核窗寬的相似性系數(shù)；
[0022]步驟7:計算Mean Shift向量定位所述的跟蹤目標核窗寬中心位置；
[0023]步驟8:判斷:所述的跟蹤目標核窗寬的顏色概率密度是否收斂？
[0024]如果否，則搜索當前候選區(qū)域的后一幀，回轉(zhuǎn)執(zhí)行所述的步驟5，計算后一幀的候選區(qū)域的顏色概率密度；
[0025]如果是，則完成搜索，定位所述的跟蹤目標核窗寬的中心位置。
[0026]作為優(yōu)選，步驟2所述的從第二幀圖像開始，在壓縮域中根據(jù)運動矢量分析提取所述的待跟蹤目標在當前幀中的尺寸(W，H)，其具體實現(xiàn)包括以下子步驟:
[0027]步驟2.1:對壓縮域的運動矢量進行預處理，即直接在編碼過程中獲取壓縮域的運動矢量，并對所述的運動矢量進行噪聲濾波處理；
[0028]步驟2.2:對預處理后所得的運動矢量進行稠密化處理，將缺失的運動矢量補上；
[0029]步驟2.3:用區(qū)域生長的方法解決所述的待跟蹤目標在當前幀中的目標中心出現(xiàn)的中空現(xiàn)象；
[0030]步驟2.4:得到能夠很好地反映所述的待跟蹤目標在當前幀中的目標運動狀況的運動矢量場，通過標定相應的宏塊來檢測出運動區(qū)域，通過計算待跟蹤目標在當前幀中的目標的外接矩形來提取出所述的待跟蹤目標在當前幀中的尺寸大小。
[0031]作為優(yōu)選，步驟3所述的待跟蹤目標在當前幀中的尺寸(W，H)與待跟蹤目標的尺寸(WcHtl)進行比較，判斷待跟蹤目標的尺寸變化比率是否超過預設閥值K ?其判斷標準為:如果(W，H)與(WcHtl)的差別大于預設閥值K，則計算待跟蹤目標在當前幀中的尺寸與待跟蹤目標的尺寸大小的比較值Dsize:
[0032]
【權利要求】
1.一種基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法，其特征在于，包括以下步驟: 步驟1:在首幀圖像中采用人機交互方式手動獲取待跟蹤目標的區(qū)域信息，通過在首幀圖像上采用矩形框直接標注待跟蹤目標的區(qū)域，矩形框中心作為待跟蹤目標的中心位置,其中心坐標為(X，y),矩形框?qū)挾群烷L度為(Wtl, Htl),在此基礎上建立待跟蹤目標顏色概率的目標模型仏 步驟2:從第二幀圖像開始，在壓縮域中根據(jù)運動矢量分析提取所述的待跟蹤目標在當前幀中的尺寸(W，H)； 步驟3:待跟蹤目標在當前巾貞中的尺寸(W，H)與待跟蹤目標的尺寸(Wc Hci)進行比較，判斷待跟蹤目標的尺寸變化比率是否超過預設閥值K ? 若是，則更新待跟蹤目標的核窗寬大小，得到新的跟蹤目標核窗寬，然后計算所述的新的跟蹤目標核窗寬的顏色概率密度； 若否，則計算所述的待跟蹤目標核窗寬的顏色概率密度； 步驟5:計算當前候選區(qū)域的顏色概率密度；其中所述的候選區(qū)域為所述的跟蹤目標核窗寬所在幀的以后的每幀中，可能包含跟蹤目標的區(qū)域； 步驟6:計算所述的候選區(qū)域與跟蹤目標核窗寬的相似性系數(shù)； 步驟7:計算Mean Shift向量定位所述的跟蹤目標核窗寬中心位置； 步驟8:判斷:所述的跟蹤目標核窗寬的顏色概率密度是否收斂？ 如果否，則搜索當前候選區(qū)域的后一幀，回轉(zhuǎn)執(zhí)行所述的步驟5，計算后一幀的候選區(qū)域的顏色概率密度； 如果是，則完成搜索，定位所述的跟蹤目標核窗寬的中心位置。
2.根據(jù)權利要求1所述的基于壓縮域融合的Meanshift核窗寬動態(tài)更新方法，其特征在于:步驟2所述的從第二幀圖像開始，在壓縮域中根據(jù)運動矢量分析提取所述的待跟蹤目標在當前幀中的尺寸(W，H)，其具體實現(xiàn)包括以下子步驟: 步驟2.1:對壓縮域的運動矢量進行預處理，即直接在編碼過程中獲取壓縮域的運動矢量，并對所述的運動矢量進行噪聲濾波處理； 步驟2.2:對預處理后所得的運動矢量進行稠密化處理，將缺失的運動矢量補上； 步驟2.3:用區(qū)域生長的方法解決所述的待跟蹤目標在當前幀中的目標中心出現(xiàn)的中空現(xiàn)象；步驟2.4:得到能夠很好地反映所述的待跟蹤目標在當前幀中的目標運動狀況的運動矢量場，通過標定相應的宏塊來檢測出運動區(qū)域，通過計算待跟蹤目標在當前幀中的目標的外接矩形來提取出所述的待跟蹤目標在當前幀中的尺寸大小。
3.根據(jù)權利要求1所述的基于壓縮域融合的Meanshift核窗寬動態(tài)更新方法，其特征在于:步驟3所述的待跟蹤目標在當前幀中的尺寸(W，H)與待跟蹤目標的尺寸(Wc Htl)進行比較，判斷待跟蹤目標的尺寸變化比率是否超過預設閥值K?其判斷標準為: 如果(W，H)與1?)的差別大于預設閥值K，則計算待跟蹤目標在當前幀中的尺寸與待跟蹤目標的尺寸大小的比較值Dsize:
4.根據(jù)權利要求3所述的基于壓縮域融合的Mean shift核窗寬動態(tài)更新方法，其特征在于:步驟3所述的更新待跟蹤目標的核窗寬大小，得到新的跟蹤目標核窗寬，其具體實現(xiàn)包括以下子步驟: 步驟4.1:判斷:若Dsize大于所述的預設閾值k，且所述的待跟蹤目標的核窗寬在當前幀的前3幀圖像的尺寸變化趨勢Pn，Plri, Pn_2同時大于O或同時小于O，則進行當前幀的待跟蹤目標的核窗寬模板更新； 步驟4.2:獲取待跟蹤目標的核窗寬在當前幀中的更新模板的尺寸； 采用待跟蹤目標的核窗寬在當前幀與前一幀圖像中的核窗寬尺寸的平均，來獲取待跟蹤目標的核窗寬在當前幀中更新模板的目標尺寸，更新模板的目標尺寸為:
寬度=Wnew= (Wn+ /2，長度=Hnew=(H1 Hlri)A ； 步驟4.3:生成新的跟蹤目標核窗寬模板； 根據(jù)Mean shift算法找到的當前幀的跟蹤目標核窗寬的目標中心(X'，y')作為中心坐標，跟蹤目標核窗寬的矩形寬度和長度為(Wnew，Hnew)，在此基礎上建立新的跟蹤目標核窗寬顏色概率的目標模型么，此后視頻幀的顏色概率的目標模型更新為ft ?
【文檔編號】G06T7/20GK103440669SQ201310409854
【公開日】2013年12月11日 申請日期:2013年9月10日 優(yōu)先權日:2013年9月10日
【發(fā)明者】田綱, 李明, 劉歡歡, 于歡, 何豫航 申請人:武漢大學