申请/专利权人：上海大学

申请日：2016-02-21

公开（公告）日：2019-06-25

公开（公告）号：CN105787961B

主分类号：G06T7/246(2017.01)I

分类号：G06T7/246(2017.01)I

优先权：

专利状态码：失效-未缴年费专利权终止

法律状态：2023.02.28#未缴年费专利权终止;2016.08.17#实质审查的生效;2016.07.20#公开

摘要：本发明涉及一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，操作步骤如下：1）建立目标颜色直方图；2）建立背景颜色直方图；3）根据目标颜色直方图和背景颜色直方图计算背景加权系数；4）使用加权系数对目标颜色直方图进行加权，得到最终目标模型；5）将目标模型反向映射到每个像素点，得到颜色概率分布图；6）初始化搜索窗口，计算搜索窗内的零阶矩和一阶矩，进一步计算搜索窗的质心和新搜索窗大小；7）将搜索窗的中心移动到步骤6）中的质心位置，判断是否收敛，若收敛，读入下一帧，再进入步骤5），否则直接进入步骤6）。本发明为Camshift算法建立了一个突出目标颜色特性的目标模型，提高了算法的抗背景色干扰能力。

主权项：1.一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，其特征在于，操作步骤如下：1初始化目标窗口，建立目标的颜色直方图；2以除目标窗口以外的其他区域建立背景的颜色直方图；3根据目标的颜色直方图和背景的颜色直方图计算得到以色调作为参量的背景加权系数；4使用加权系数对目标颜色直方图进行加权，得到最终的目标模型；5将目标模型反向映射到视频图像的每个像素点，得到颜色概率分布图；6初始化搜索窗口，计算搜索窗内的零阶矩和一阶矩，用零阶矩和一阶矩计算搜索窗的质心xc,yc，用零阶矩计算新的搜索窗大小；7将搜索窗的中心移动到步骤6中计算所得的质心位置，判断是否收敛，如果收敛，读入下一帧并进入步骤5，否则直接进入步骤6；在所述步骤1中，读入视频图像第一帧，手动选定一个目标窗口，使该窗口恰好包含整个目标，将目标窗口内的每个像素点的RGB值转换为对应的HSV值，取其中的H值，即色调值建立目标颜色直方图t＝{tu}u＝1,2,...,n，其中u表示目标区域色调参量，1,2,...,n表示目标区域色调参量的变化区间，tu表示每种色调在直方图中对应的值：其中，δ是狄拉克函数，x,y表示单个像素点，h表示像素点的色调值，C表示归一化系数：在所述步骤2中，对视频图像的第一帧中除目标窗口以外的区域建立背景颜色直方图，首先将每个像素点的RGB值转换为对应的HSV值，取其中的H值建立背景直颜色方图b＝{bu′}u′＝1，2，...，m，其中u′表示背景区域的色调参量，1,2,...,m表示背景区域色调参量的变化区间，bu′表示每种色调在直方图中对应的值：其中，δ是狄拉克函数，x,y表示单个像素点，h表示像素点的色调值，C表示归一化系数：在所述步骤3中，综合目标颜色直方图和背景颜色直方图的信息，判断第一帧视频图像中的每种颜色是属于下述哪一种情况：目标中有该颜色但背景中没有；目标中没有该颜色但是背景中有；目标和背景中都有该颜色；当目标和背景都有某种颜色时还需进一步判断目标该种颜色与背景中该种颜色的比例，从而产生出一个背景加权系数；设加权系数为w＝{wu″}u″＝1，2，...，l，其中u″为色调参量，1,2,...,l是指色调参量u″的变化区间，并且有：l＝max{m，n}基于以上假设，若令定义背景加权系数为：其中tanhpu″是双曲正切函数，该函数在定义域为0,∝时递增，且值域为0,1；在所述步骤6中，初始化一个搜索窗：对于首次进入该步骤，以目标窗口的中心为中心选择一个圆形的搜索窗口，该窗口的半径为大于或等于3的任一个奇数，单位为像素；对于非首次进入该步骤，则使用上一循环设定好的中心位置和窗口大小设置搜索窗口；在搜索窗内分别计算零阶矩：其中Ix，y表示零像素点的灰度值；一阶矩：则搜索窗的质心为：实时更新搜索窗口大小是Camshift算法的连续适应性的体现，新的搜索窗的半径大小被设置为和零阶矩成正比的函数，若搜索窗内最大的灰度值为Imax＝Ixi,yi，xi，yi是取最大灰度值的像素点，设新搜索窗的半径为R，则设定其值为：在所述步骤7中，对Mean Shift收敛性的判断，以决定下一步走向；首先将搜索窗的中心位置移动到步骤6中所得的xc,yc，记录移动距离d，定义移动距离的阈值为ε，另定义一个迭代次数的阈值，如果d＜ε或者迭代次数达到阈值，则判断为收敛，读入下一帧视频图像，并进入步骤5，否则，判断为不收敛，直接进入步骤6。

全文数据：基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法技术领域本发明涉及一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，应用于智能视频处理领域中的运动目标跟踪，适用于受背景颜色干扰情形下的运动目标跟踪。背景技术实时运动目标检测以及跟踪是计算机视觉领域一项关键性技术，主要应用于智能安防和人机交互，其中以运动目标的跟踪技术尤为重要。文献[1]提出的CamshiftContinuouslyAdaptiveMeanShift算法是一种易于实现并且效率较高的运动目标跟踪算法，得到了广泛的应用。Camshift算法是对MeanShift算法的发展。MeanShift算法是一种无参密度估计算法，由文献[2]首次应用于模式识别领域。MeanShift算法利用迭代的MeanShift向量收敛于概率密度分布的梯度方向的特点寻找目标模式概率密度最大的区域。由于MeanShift算法对概率分布进行操作，为将其思想应用于视频图像处理领域中，必须根据视频图像获取对应的概率分布，所以在文献[1]的Camshift算法中，以目标的HSV颜色空间的H色调分量作为统计量建立直方图作为目标模型，并将目标模型反向映射到每帧图像的每个像素点，从而将视频图像转化为颜色概率分布图。对颜色概率分布图中指定搜索窗内的MeanShift向量在Camshift算法中具化为搜索窗的质心进行迭代直至收敛，从而获取目标模式。在对视频序列的每一帧进行处理时，都以上一帧的收敛位置为中心连续迭代MeanShift向量直至其收敛于新的位置，并且动态设置搜索窗大小，从而实现了对目标模式的跟踪。由于目标模式相对于目标整体的位置比较固定类似于作平移运动的物体的重心基本不变，从而间接实现了对运动目标的跟踪。Camshift算法在目标和颜色背景颜色差异性很大时性能良好，然而目标和背景的颜色都具有各自的随机性，所以在某些情形下背景和目标有可能有相同的颜色成分，在此种情形下对运动目标进行跟踪时由于受背景颜色干扰，容易发生误判，一旦在某个点发生误判，由于该算法的前后关联性，后续的跟踪将完全失效。容易受背景颜色的干扰是Camshift算法的固有属性，因为该算法在建立目标模型即目标的颜色直方图时，完全基于目标而没有考虑背景，目标的所有颜色成分包括和背景相同的颜色成分都有相同的地位，如果有和目标颜色成分相同的背景成分进入搜索窗，即会判断该成分为目标的一部分。由于容易受背景干扰是该算法的固有属性而且无法根除，本发明从另一个角度出发，试图降低背景中与目标相同的颜色成分造成的不良影响：本发明在建立目标模型时，相对降低目标和背景共有的颜色成分对目标模型的贡献，此时如果有和目标颜色成分相同的背景成分进入搜索窗，由于该种颜色成分对整个目标模型的贡献相对降低，该种颜色带来的不良影响也将降低。文献[1]:Bradski,G.:“Computervisionfacetrackingforuseinaperceptualuserinterface”,IntelTechnol.J.,1998,2,Q2,pp.1–15。文献[2]:Cheng,Y.:“Meanshift,modeseeking,andclustering”,IEEETransPatternAnal.Mach.Intell.,1995,17,8,pp.790–799。发明内容本发明的目的是针对传统Camshift算法在对运动目标进行跟踪时容易受背景颜色干扰的的问题对该算法进行改进，提供一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，该方法在建立目标模型时，首先产生一个和背景以及目标的颜色信息相关的加权系数，然后通过该加权系数对原始目标颜色直方图模型进行加权。加权的目的是为了相对降低目标和背景共有的颜色成分在目标模型中的比重，相对保持目标特有的颜色成分的比重。该算法核心思想在于突出目标的特有颜色特性，淡化目标和背景共有的颜色特性，从而减小背景颜色造成的干扰。本发明从增强目标模型的可靠性出发对传统Camshift算法做出改进，相比较传统的Camshift算法，在有背景颜色干扰时能相对提高算法性能，降低误判率。为达到上述目的，本发明采用如下的技术方案：一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，操作步骤如下：1初始化目标窗口，建立目标的颜色直方图；2以除目标窗口以外的其他区域建立背景的颜色直方图；3根据目标的颜色直方图和背景的颜色直方图计算得到以色调作为参量的背景加权系数；4使用加权系数对目标颜色直方图进行加权，得到最终的目标模型；5将目标模型反向映射到视频图像的每个像素点，得到颜色概率分布图；6初始化搜索窗口，计算搜索窗内的零阶矩和一阶矩，用零阶矩和一阶矩计算搜索窗的质心，用零阶矩计算新的搜索窗大小；7将搜索窗的中心移动到步骤6中计算所得的质心位置，判断是否收敛，如果收敛，读入下一帧并进入步骤5，否则直接进入步骤6。本发明与已有技术相比较，具有如下显而易见的突出实质性特点和显著技术进步：本发明的算法对传统Camshift算法进行改进，建立融合了背景颜色信息和目标颜色信息的目标直方图做为目标模型，该模型保持了目标特有的颜色成分在目标模型中的比重，但相对降低了目标和背景共有的颜色成分在目标模型中的比重。该模型突出了目标颜色和背景的颜色差异性，淡化了目标颜色和背景颜色的共性，所以具有更高的准确性。基于该种目标模型的Camshift运动目标跟踪算法具有更强的抗背景干扰能力。附图说明图1是本发明基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法的流程框图。具体实施方式以下结合附图对本发明的优选实施例作进一步的详细说明：本实施例基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，参见图1，包括以下步骤：1初始化目标窗口，建立目标的颜色直方图；2以除目标窗口以外的其他区域建立背景的颜色直方图；3根据目标的颜色直方图和背景的颜色直方图计算得到以色调作为参量的背景加权系数；4使用加权系数对目标颜色直方图进行加权，得到最终的目标模型；5将目标模型反向映射到视频图像的每个像素点，得到颜色概率分布图；6初始化搜索窗口，计算搜索窗内的零阶矩和一阶矩，用零阶矩和一阶矩计算搜索窗的质心xc,yc，用零阶矩计算新的搜索窗大小；7将搜索窗的中心移动到步骤6中计算所得的质心位置，判断是否收敛，如果收敛，读入下一帧并进入步骤5，否则直接进入步骤6。所述步骤1中，读入视频图像第一帧，手动选定一个目标窗口，使该窗口恰好包含整个目标，将目标窗口内的每个像素点的RGB值转换为对应的HSV值，取其中的H值，即色调值建立目标颜色直方图t＝{tu}u＝1,2,...,n，其中u表示目标区域色调参量，1,2,...,n表示目标区域色调参量的变化区间，tu表示每种色调在直方图中对应的值：其中，δ是狄拉克函数，x,y表示单个像素点，h表示像素点的色调值，C表示归一化系数：所述步骤2中，对视频图像的第一帧中除目标窗口以外的区域建立背景颜色直方图，首先将每个像素点的RGB值转换为对应的HSV值，取其中的H值建立背景直颜色方图b＝{bu′}u′＝1，2，...，m，其中u′表示背景区域的色调参量，1,2,...,m表示背景区域色调参量的变化区间，bu′表示每种色调在直方图中对应的值：其中，δ是狄拉克函数，x,y表示单个像素点，h表示像素点的色调值，C表示归一化系数：所述步骤3中，综合目标颜色直方图和背景颜色直方图的信息，判断第一帧视频图像中的每种颜色是属于下述哪一种情况：目标中有该颜色但背景中没有；目标中没有该颜色但是背景中有；目标和背景中都有该颜色。当目标和背景都有某种颜色时还需进一步判断目标该种颜色与背景中该种颜色的比例，从而产生出一个背景加权系数。设加权系数为w＝{wu″}u″＝1，2，...，l，其中u″为色调参量，1,2,...,l是指色调参量u″的变化区间，并且有：l＝max{m，n}基于以上假设，若令定义背景加权系数为：其中tanhpu″是双曲正切函数，该函数在定义域为0,∝时递增，且值域为0,1。所述步骤4中，使用步骤3中获得的加权系数w对目标颜色直方图t进行加权，得到最终的目标模型t′＝{tu′}u＝1,2,3,...,n，其中：t′u＝wutu。所述步骤5中，从视频序列的第一帧开始，将视频图像的每个像素点的RGB值变换为HSV值，以每个像素点的H值作为索引，在目标模型t′找到对应的概率值，并将该值映射到8bit的灰度空间，即将概率值扩大256倍作为该像素点的值。假如像素点x,y的H值落在第u个色调区间，则该像素点对应的灰度值为Ix，y＝256×t′u，经过上述变化以后，即得到所谓的颜色概率分布图。所述步骤6中，初始化一个搜索窗：对于首次进入该步骤，以目标窗口的中心为中心选择一个圆形的搜索窗口，该窗口的半径为大于或等于3的任一个奇数，单位为像素；对于非首次进入该步骤，则使用上一循环设定好的中心位置和窗口大小设置搜索窗口。在搜索窗内分别计算零阶矩：其中Ix，y表示零像素点的灰度值；一阶矩：则搜索窗的质心为：实时更新搜索窗口大小是Camshift算法的连续适应性的体现，新的搜索窗的半径大小被设置为和零阶矩成正比的函数，若搜索窗内最大的灰度值为Imax＝Ixi,yi，xi，yi是取最大灰度值的像素点，设新搜索窗的半径为R，则设定其值为：所述步骤7中，对MeanShift收敛性的判断，以决定下一步走向。首先将搜索窗的中心位置移动到步骤6中所得的xc,yc，记录移动距离d，定义移动距离的阈值为ε，另定义一个迭代次数的阈值，如果d＜ε或者迭代次数达到阈值，则判断为收敛，读入下一帧视频图像，并进入步骤5，否则，判断为不收敛，直接进入步骤6。

权利要求：1.一种基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，其特征在于，操作步骤如下：1初始化目标窗口，建立目标的颜色直方图；2以除目标窗口以外的其他区域建立背景的颜色直方图；3根据目标的颜色直方图和背景的颜色直方图计算得到以色调作为参量的背景加权系数；4使用加权系数对目标颜色直方图进行加权，得到最终的目标模型；5将目标模型反向映射到视频图像的每个像素点，得到颜色概率分布图；6初始化搜索窗口，计算搜索窗内的零阶矩和一阶矩，用零阶矩和一阶矩计算搜索窗的质心xc,yc，用零阶矩计算新的搜索窗大小；7将搜索窗的中心移动到步骤6中计算所得的质心位置，判断是否收敛，如果收敛，读入下一帧并进入步骤5，否则直接进入步骤6；在所述步骤1中，读入视频图像第一帧，手动选定一个目标窗口，使该窗口恰好包含整个目标，将目标窗口内的每个像素点的RGB值转换为对应的HSV值，取其中的H值，即色调值建立目标颜色直方图t＝{tu}u＝1,2,...,n，其中u表示目标区域色调参量，1,2,...,n表示目标区域色调参量的变化区间，tu表示每种色调在直方图中对应的值：其中，δ是狄拉克函数，x,y表示单个像素点，h表示像素点的色调值，C表示归一化系数：在所述步骤2中，对视频图像的第一帧中除目标窗口以外的区域建立背景颜色直方图，首先将每个像素点的RGB值转换为对应的HSV值，取其中的H值建立背景直颜色方图b＝{bu′}u′＝1，2，...，m，其中u′表示背景区域的色调参量，1,2,...,m表示背景区域色调参量的变化区间，bu′表示每种色调在直方图中对应的值：其中，δ是狄拉克函数，x,y表示单个像素点，h表示像素点的色调值，C表示归一化系数：在所述步骤3中，综合目标颜色直方图和背景颜色直方图的信息，判断第一帧视频图像中的每种颜色是属于下述哪一种情况：目标中有该颜色但背景中没有；目标中没有该颜色但是背景中有；目标和背景中都有该颜色；当目标和背景都有某种颜色时还需进一步判断目标该种颜色与背景中该种颜色的比例，从而产生出一个背景加权系数；设加权系数为w＝{wu″}u″＝1，2，...，l，其中u″为色调参量，1,2,...,l是指色调参量u″的变化区间，并且有：l＝max{m，n}基于以上假设，若令定义背景加权系数为：其中tanhpu″是双曲正切函数，该函数在定义域为0,∝时递增，且值域为0,1；在所述步骤6中，初始化一个搜索窗：对于首次进入该步骤，以目标窗口的中心为中心选择一个圆形的搜索窗口，该窗口的半径为大于或等于3的任一个奇数，单位为像素；对于非首次进入该步骤，则使用上一循环设定好的中心位置和窗口大小设置搜索窗口；在搜索窗内分别计算零阶矩：其中Ix，y表示零像素点的灰度值；一阶矩：则搜索窗的质心为：实时更新搜索窗口大小是Camshift算法的连续适应性的体现，新的搜索窗的半径大小被设置为和零阶矩成正比的函数，若搜索窗内最大的灰度值为Imax＝Ixi,yi，xi，yi是取最大灰度值的像素点，设新搜索窗的半径为R，则设定其值为：在所述步骤7中，对MeanShift收敛性的判断，以决定下一步走向；首先将搜索窗的中心位置移动到步骤6中所得的xc,yc，记录移动距离d，定义移动距离的阈值为ε，另定义一个迭代次数的阈值，如果d＜ε或者迭代次数达到阈值，则判断为收敛，读入下一帧视频图像，并进入步骤5，否则，判断为不收敛，直接进入步骤6。2.根据权利要求1所述的基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，其特征在于，所述步骤4中，使用步骤3中获得的加权系数w对目标颜色直方图t进行加权，得到最终的目标模型t′＝{t′u}u＝1,2,3,...,n，其中：t′u＝wutu。3.根据权利要求2所述的基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法，其特征在于，所述步骤5中，从视频序列的第一帧开始，将视频图像的每个像素点的RGB值变换为HSV值，以每个像素点的H值作为索引，在目标模型t′找到对应的概率值，并将该值映射到8bit的灰度空间，即将概率值扩大256倍作为该像素点的值；假如像素点x,y的H值落在第u个色调区间，则该像素点对应的灰度值为Ix，y＝256×t′u，经过上述变化以后，即得到所谓的颜色概率分布图。

百度查询： 上海大学 基于背景颜色信息加权的目标直方图的Camshift运动目标跟踪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD