申请/专利权人：南京理工大学;扬州奚仲科技有限公司

申请日：2017-07-26

公开（公告）日：2021-02-23

公开（公告）号：CN107527370B

主分类号：G06T7/90(20170101)

分类号：G06T7/90(20170101);G06T7/246(20170101)

优先权：

专利状态码：有效-授权

法律状态：2021.02.23#授权;2018.01.26#实质审查的生效;2017.12.29#公开

摘要：本发明提出一种基于camshift的目标跟踪方法。初始化搜索窗；计算搜索区域内的颜色概率分布图，即反向投影图；使用meanshift方法，获得目标新的大小和位置，即新的窗口；在下一帧视频图像中用前述获得的窗口作为新的搜索窗；以meanshift方法获得的窗口为中心，自适应的调整搜索窗的大小，并通过颜色直方图估算理想状况下实际的目标窗口，最后比较meanshift方法结果、调整后的搜索窗以及估算的目标窗口内的模型与实际目标模型的相似性，选择最相似的模型所对应的窗口作为结果。本发明提高了目标跟踪的稳定性。

主权项：1.一种基于camshift的目标跟踪方法，其特征在于，步骤如下：步骤1，初始化搜索窗；步骤2，计算搜索区域内的颜色概率分布图，即反向投影图；步骤3，使用meanshift方法，获得目标新的大小和位置，即新的窗口；步骤4，在下一帧视频图像中用步骤3获得的窗口作为新的搜索窗；步骤3所述使用meanshift方法，获得目标新的大小和位置的过程为：4.1根据camshift方法获得窗口win_mean和窗口win_cam；4.2移动窗口win_cam使该窗口中心与窗口win_mean的中心重合得到窗口win_camNew，即窗口win_camNew的中心和窗口win_mean的中心相同，窗口win_camNew的大小和窗口win_cam大小相等；4.3判断窗口win_mean与窗口win_camNew两者之间的关系，若为包含关系，则计算待搜索区域内色度Hue图像中与窗口win_mean相同区域的颜色直方图hist_mean，计算待搜索区域内色度Hue图像中与窗口win_camNew相同区域的颜色直方图hist_camNew，并跳转至步骤4.4；若为相交关系，则得到相交区域窗口win_intersection，计算待搜索区域内色度Hue图像中与窗口win_intersection相同区域的颜色直方图hist_intersection，跳转至步骤4.6；4.4计算颜色直方图hist_mean与颜色直方图hist_camNew的差得到颜色直方图hist_camsubmean或者颜色直方图hist_meansubcam，若win_mean包含于win_camNew，则为颜色直方图hist_camsubmean，反之则为颜色直方图hist_meansubcam；4.5根据步骤4.4所得到的颜色直方图估计理想状态下目标的大小，从而得到窗口win_estimation，并计算待搜索区域内色度Hue图像中和窗口win_estimation相同区域的颜色直方图hist_estimation；4.6若窗口win_mean与窗口win_camNew两者为包含关系，比较颜色直方图hist_mean、hist_camNew以及hist_estimation，从中选择最大值对应的窗口作为camshift方法运行的结果；若窗口win_mean和窗口win_camNew两者为相交关系，比较颜色直方图hist_mean、hist_camNew以及hist_intersection，从中选择最大值对应的窗口作为camshift方法运行的结果。

全文数据：一种基于camshift的目标跟踪方法技术领域[0001]本发明属于图像处理与目标跟踪技术领域，具体涉及一种基于camshift的目标跟踪方法。背景技术[0002]目标识别与跟踪一直是计算机视觉领域的热点研究问题，其在军事、安防、交通等领域具有重要的价值。在实际环境中，运动目标的姿态通常是变化的，另外目标周围环境通常是复杂的，这些都会对跟踪结果产生较大的干扰。[0003]均值漂移（meanshift算法以及在此基础上提出的camshiftcontinuouslyadaptivemean-shift算法由于其快速性而得到广泛的应用。尤其是camshift算法能很好的适应目标的形变问题。但是当目标周围的环境比较复杂时，将会对camshift算法的结果造成干扰，通常会导致跟踪窗口发散，进而造成目标丢失。发明内容[0004]本发明提出一种基于camshift的目标跟踪方法，提高了目标跟踪的稳定性。[0005]为了解决上述技术问题，本发明提供一种基于camshift的目标跟踪方法，步骤如下：[0006]步骤1，初始化搜索窗；[0007]步骤2,计算搜索区域内的颜色概率分布图，即反向投影图；[0008]步骤3,使用meanshift方法，获得目标新的大小和位置，即新的窗口；[0009]步骤4,在下一帧视频图像中用步骤3获得的窗口作为新的搜索窗。[0010]本发明与现有技术相比，其显著优点在于，本发明基于现有的camshift方法设计一种稳定性更好的改进的camshift跟踪方法，提高了camshift方法的稳定性，从而提高了目标跟踪能力。附图说明[0011]图1是传统的基于camshift的目标跟踪方法流程图。[0012]图2是本发明改进后基于camshift的目标跟踪方法流程图。具体实施方式[0013]容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明基于camshift的目标跟踪方法的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。[0014]结合图2,本发明改进后基于camshift的目标跟踪方法步骤如下：[0015]步骤1，初始化搜索窗。[0016]在HSV颜色空间内对目标进行建模，目标采用色度Hue直方图进行描述，具体步骤如下。[0017]1.1将搜索窗内图像转换为HSV空间图像。[0018]1.2从HSV空间图像中提取色度Hue分量。[0019]1.3对色度Hue分量进行统计，建立色度Hue的颜色直方图hist_target，具体是:将颜色空间均分为若干个颜色区间，每个小区间成为直方图的一个组bin，统计落在每一个组bin中的像素点的个数。[0020]步骤2,计算搜索窗的颜色概率分布图，即反向投影图。[0021]具体包括以下步骤：[0022]2.1将待搜索区域通常为整个画面）内图像转换为HSV空间图像。[0023]2.2建立一个与待搜索区域同样大小的单通道图像用于保存得到的反向投影图。[0024]2.3获取HSV空间图像中每个像素点的色度Hue值，根据色度Hue值找到该值在颜色直方图hist_target中所在的组bin，将反向投影图中与HSV空间图像相同位置处的值用该组bin对应的值替代。将值归一化到[0，255]之间，最终可以得到反向投影图。[0025]步骤3,使用meanshift方法，获得目标新的大小和位置窗口）。[0026]具体包括以下步骤：[0027]3.1根据传统的camshift算法将得到两个窗口，其一为传统camshift中meanshift算法运行后得到的窗口win_mean，其二为传统camshift算法得到的最终窗口win_cam〇[0028]3·2移动最终窗口win_cam使该窗口中心与窗口win_mean的中心重合得到窗口win_camNew，即窗口win_camNew的中心和窗口win_mean的中心相同，窗口win_camNew的大小和窗口win_cam大小相等。[0029]3.3判断窗口win_mean和窗口win_camNew两者之间的关系（包含或者相交），若为包含关系则计算待搜索区域内色度Hue图像中与窗口win_mean相同区域的颜色直方图hist_mean，计算待搜索区域内色度（Hue图像中与win_camNew相同区域的颜色直方图hist_camNew，并跳转步骤3.4;若为相交关系则，得到相交区域窗口win_intersection，计算待搜索区域内色度（Hue图像中与窗口¥；[11_；[1^6^631：；[011相同区域的颜色直方图1^81：」1^618631：；[011，跳转步骤3.6。以上所建直方图均和目标直方图11丨81：_13坪61：具有相同的组bin数、组距和范围。[0030]3.4计算颜色直方图hist_mean和颜色直方图hist_camNew的差对应组bin的值相减）得到颜色直方图hist_camsubmean或者颜色直方图hist_meansubcam，若win_mean包含于win_camNew则为颜色直方图hist_camsubmean，反之则为颜色直方图hist_meansubcam，以保证直方图中所有组bin的值均为正。[0031]3.5根据步骤3.4所得到的颜色直方图估计理想状态下目标的大小，从而得到窗口win_estimation，并计算待搜索区域内色度Hue图像中和窗口win_estimation相同区域的颜色直方图1^81：_681：；[1]^1：；[011。具体步骤如下：[0032]选择窗口win_mean和窗口win_camNew中较小的一个矩形窗口对应的直方图作为基准直方图，将其命名为histl，将步骤3.4得到的直方图命名为hist2,设η为直方图对应的组bin数，histlk，hist2k分别为直方图histl和hist2对应的第沾且bin的值。贝Ij有对应于第k组bin的特征的密度[0033]设对应于第k组bin的密度比为Retiok，则有：[0034][0035]式中可分为2部分中k值对应于{kIbinlk!=0}对应于k=0，1，···，n_leSSjnear^PS+camNew分别对应于窗口win_mean和win_camNew的面积，Retiokmax为Retiok所能取得的最大值，minx，y表示x，y中较小的值，maxx，y表示X，y中较大的值则有：[0039]设nk为所有满足binlk!=0的k值的数目则有：[0040][0041]设窗口win_small为窗口win_mean和窗口win_camNew中较小的一个，其左上角坐标为win_small.x，win_small.y，宽和高分另Ij为win_small.width、win_small.height。设窗口win_search为待搜索区域，其左上角坐标为win_search.X，win_search.y，宽和高分另Ij为win_search·width、win_search.height。设矩形窗□win_estimation和窗□win_small相似（具有相同的长宽比），其左上角坐标为（win_estimation.x，win_estimation·y，宽和高分另Ij为win_estimation·width、win_estimation·height，又设center为窗口win_smalI的中心点，坐标为（center·χ,center.y则有：[0048]3·6若窗口win_mean和窗口win_camNew两者为包含关系时，比较颜色直方图hist_mean，hist_camNew，hist_estimation选择三者中的最大值对应的窗口作为改进的camshift算法的结果。若窗口win_mean和窗口win_camNew两者为相交关系时，比较颜色直方图11丨81：_1116311，11丨81：_03111如¥，11丨81：_；[1^6^631：；[011选择三者中的最大值对应的窗口作为改进的camshift算法的结果[0049]步骤4,在下一帧视频图像中用步骤3的结果窗口）重新初始化搜索窗的大小和位置，再跳转到步骤2继续进行。

权利要求：1.一种基于camshift的目标跟踪方法，其特征在于，步骤如下：步骤1，初始化搜索窗；步骤2,计算搜索区域内的颜色概率分布图，即反向投影图；步骤3，使用meanshift方法，获得目标新的大小和位置，即新的窗口；步骤4,在下一帧视频图像中用步骤3获得的窗口作为新的搜索窗。2.根据权利要求1所述基于camshift的目标跟踪方法，其特征在于，步骤1所的具体步骤为：2.1将搜索窗内的图像转换为HSV空间图像；2.2从所述HSV空间图像中提取色度Hue分量。2.3对色度Hue分量进行统计，建立色度Hue的颜色直方图hist_target，具体为:将颜色空间均分为若干个颜色区间，每个区间成为直方图的一个组bin，统计落在每一个组bin中的像素点的个数。3.根据权利要求1所述基于camshift的目标跟踪方法，其特征在于，步骤2所述计算搜索区域内的颜色概率分布图的过程为：3.1将待搜索区域内图像转换为HSV空间图像；3.2建立一个与待搜索区域同样大小的单通道图像用于保存得到的反向投影图；3.3获取HSV空间图像中每个像素点的色度Hue值，根据色度Hue值找到该值在颜色直方图hist_target中所在的组bin，将反向投影图中与HSV空间图像相同位置处的值用该组bin对应的值替代，将该值归一化到[0，255]之间得到反向投影图。4.根据权利要求1所述基于camshift的目标跟踪方法，其特征在于，步骤3所述运用meanshift方法，获得目标新的大小和位置的过程为：4.1根据camshift方法获得窗口win_mean和窗口win_cam;4·2移动窗口win_cam使该窗口中心与窗口win_mean的中心重合得到窗口win_camNew，即窗口win_camNew的中心和窗口win_mean的中心相同，窗口win_camNew的大小和窗口win_cam大小相等；4.3判断窗口win_mean与窗口win_camNew两者之间的关系，若为包含关系，则计算待搜索区域内色度Hue图像中与窗口win_mean相同区域的颜色直方图hist_mean，计算待搜索区域内色度Hue图像中与窗口win_camNew相同区域的颜色直方图hist_camNew，并跳转至步骤4.4;若为相交关系，则得到相交区域窗口win_intersection，计算待搜索区域内色度Hue图像中与窗口win_intersection相同区域的颜色直方图hist_intersection，跳转至步骤4.6；4.4计算颜色直方图hist_mean与颜色直方图hist_camNew的差得到颜色直方图1^81：_。11181113111611或者颜色直方图11丨81：_11161181113。111，若¥；[11_111611包含于¥；[11_。111如¥，则为颜色直方图hist_camsubmean，反之则为颜色直方图hist_meansubcam;4.5根据步骤4.4所得到的颜色直方图估计理想状态下目标的大小，从而得到窗口win_estimation，并计算待搜索区域内色度Hue图像中和窗口win_estimation相同区域的颜色直方图hist_estimation;4.6若窗口win_mean与窗口win_camNew两者为包含关系，比较颜色直方图hist_111611、1118七_03111以¥以及1118七_68七；!_11^七；!_011，从中选择最大值对应的窗口作为031118111：^方法运行的结果;若窗口win_mean和窗口win_camNew两者为相交关系，比较颜色直方图hist_111611、1118七_03111心¥以及1118七_；!_1^6^6^；!_011，从中选择最大值对应的窗口作为031118111代方法运行的结果。5.根据权利要求4所述基于camshift的目标跟踪方法，其特征在于，步骤4.5的具体过程为：选择窗口win_mean和窗口win_camNew中较小的一个矩形窗口对应的直方图作为基准直方图，将其命名为histl，将步骤4.4得到的直方图命名为hist2,设η为直方图对应的组bin数，histlk，hist2k分别为直方图histl和hist2对应的第k组bin的值;分别计算出histIk和hist2k对应于第k组bin的特征的密度：计算出对应于第k组bin的密度比为SS_mear^PIS_camNew分别对应于窗口win_mean和win_camNew的面积，Retiokmax为Retiok所能取得的最大值，minx，y表示x，y中较小的值，maxx，y表示x，y中较大的值，贝Ij算出令设nk为所有满足binlk!=0的k值的数目，计算设窗口win_small为窗口win_mean和窗口win_camNew中较小的一个，其左上角坐标为win_small.x，win_small.y，宽和高分另Ij为win_small.width、win_small.height;设窗口win_search为待搜索区域，其左上角坐标为win_search.x，win_search.y，宽和高分另Ij为win_search·width、win_search·height;设矩形窗口win_estimation和窗口win_small具有相同的长宽比，其左上角坐标为win_estimation·X，win_estimation·y，宽和高分另Ij为win_estimation·width、win_estimation.height;设center为窗口win_smalI的中心点，坐标为（center.x，center.y;通过下式计算各参数为：

百度查询： 南京理工大学;扬州奚仲科技有限公司 一种基于camshift的目标跟踪方法

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