一种基于位平面的运动目标跟踪方法技术

本发明专利技术公开了一种基于位平面的运动目标跟踪方法，包括以下步骤：(1)在视频第一帧中选定跟踪目标并手动标记目标位置；(2)对目标区域图像分别求取其亮度位平面和局部二值模式位平面,然后进行高斯平滑,建立两个外观模型；(3)在下一帧中确定搜索区域，对其分别求取平滑后的亮度位平面和局部二值模式位平面，并搜索与两个外观模型最为接近的区域作为跟踪目标；(4)根据已建立的外观模型和当前帧中的跟踪结果，按照预先设定的更新速率更新外观模型；(5)跳转步骤(3)，直到所有视频帧处理完毕。本发明专利技术在跟踪精度和鲁棒性上有明显的优势，有效地解决了视频中光照条件改变、目标位姿变化、以及外观显著变化等情况下运动目标跟踪困难的问题。

【技术实现步骤摘要】
一种基于位平面的运动目标跟踪方法
本专利技术属于计算机视觉与模式识别领域，具体涉及一种基于位平面的运动目标跟踪方法。
技术介绍
目标跟踪是计算机视觉研究的热点，在视频监控、视频检索、交通监控等领域都得到了广泛应用。目前，运动目标跟踪方法大致可分为两类：基于判别的方法和模型匹配的方法。基于判别的方法把运动目标跟踪问题当做一个分类问题，旨在训练一个分类器，将运动目标从背景中分离出来，这类方法也被称作基于检测的跟踪。2004年，Avidan将离线训练的支持向量机引入到基于光流的跟踪方法中，但是当目标外观发生显著变化时，跟踪出现漂移。为了解决这个问题，需要对分类器进行在线更新。2007年，Avidan提出了将若干弱分类器集成为一个强分类器，并实时更新弱分类器的方法，该方法能较准确地辨别每一个像素是目标还是背景。2008年，Grabner采用半监督的方法训练分类器，只需要在第一个视频帧中手动标注样本。然而，在这些监督与半监督的方法中，有些有用的信息已经被丢失，如果在跟踪的过程中一旦出现误差，容易使得误差累积，从而导致跟踪失败。Viola等人提出了使用多示例学习方法来检测运动目标，以克服跟踪过程中漂移的问题。在后续的研究中，Babenko、Zhang等人将多示例学习方法进一步改进，算法的精度和实时性得到明显改善。模型匹配方法在每一帧中搜寻与目标模型最相似的区域作为跟踪结果。早在1996年，Black等人提出了采用离线学习的外观模型进行目标跟踪的方法，但是该方法不能适应目标外观的变化。随后，一些自适应的外观建模方法被逐渐引入到运动目标跟踪。随着稀疏表示在多个领域的成功应用，很多学者开始尝试采用稀疏表示的方法对运动目标建模。自2012年起，Sevilla-Lara、Felsberg等人先后将分布场的概念引入跟踪领域，并对跟踪算法进行了改进，取得了较好的跟踪效果。这些算法在特定的环境中得到了应用，但是由于跟踪场景复杂多变，其往往不能有效解决照明变化、外观变化、形状变化和遮挡对目标跟踪的影响。
技术实现思路
本专利技术的目的在于针对视频场景中存在的光照条件改变、目标位姿变化、以及外观显著变化等问题，提供一种基于位平面的，并融合亮度和LBP特征的运动目标跟踪方法，旨在提高复杂环境下运动目标跟踪的准确性。为达成以上所述的目的，本专利技术采取如下技术方案：一种基于位平面的运动目标跟踪方法，其特征在于包括如下步骤：步骤(1)在视频第一帧中选定跟踪目标，并手动标记目标位置；步骤(2)对目标区域图像，求取其亮度位平面和局部二值模式位平面，然后进行高斯平滑，分别建立亮度外观模型和纹理外观模型；步骤(3)在下一帧中确定搜索区域，对其分别求取平滑后的亮度位平面和局部二值模式位平面，并搜索与步骤(2)中所建立的亮度外观模型和纹理外观模型最为接近的区域作为跟踪目标；步骤(4)根据已建立的外观模型和当前帧中的跟踪结果，按照预先设定的更新速率更新亮度外观模型和纹理外观模型；步骤(5)当所有视频帧处理完毕，则停止计算；否则，跳转步骤(3)。进一步的，所述步骤(1)中手动标记目标位置的方法为：用矩形框选定跟踪目标，并记录该矩形框左上角的二维坐标(lx,ly)，以及矩形框的宽度和高度。进一步的，所述步骤(2)中建立亮度外观模型的方法为：①利用以下公式表示每个像素的亮度，即用自然二进制序列表示每个像素的亮度：其中，I(i,j)表示第i行第j列的像素亮度，ai,j,k表示把该像素亮度用自然二进制序列表示时第k个bit的取值；②利用以下公式把自然二进制序列转化为二进制格雷码表示：其中，bi,j,k表示把I(i,j)用二进制格雷码表示时第k个bit的取值；③利用以下公式把每个像素的亮度按bit投影到不同的位平面，从而得到8个亮度位平面：其中，BPGC为亮度位平面，i和j分别表示图像的行和列，k表示位平面的序号，k＝0,1,2,...,7；④利用以下公式进行高斯平滑：其中，M1为亮度外观模型，是均值为μS，标准差为σS的2维高斯核，是均值为μf，标准差为σf的1维高斯核，*代表卷积运算。进一步的，所述步骤(2)中建立纹理外观模型的方法为：①求目标区域图像的局部二值模式特征，采用传统的3×3尺寸的LBP算子，对于目标图像计算出以所有非边缘像素为中心的LBP值；②利用以下公式表示每个像素的LBP值，即用自然二进制序列表示每个像素的LBP值：其中，I′(i,j)表示第i行第j列的像素的LBP值，a′i,j,k表示把该像素的LBP值用自然二进制序列表示时第k个bit的取值；③利用以下公式把LBP值转化为二进制格雷码表示：其中，b′i,j,k表示把LBP值用二进制格雷码表示时第k个bit的取值；④利用以下公式把每个像素的LBP值按bit投影到不同的位平面，从而得到8个纹理位平面：其中，BPGC′为纹理位平面，i和j分别表示图像的行和列，k表示位平面的序号，k＝0,1,2,...,7；⑤利用以下公式进行高斯平滑，从而得到纹理外观模型M2：其中，M2为纹理外观模型，是均值为μS，标准差为σS的2维高斯核，是均值为μf，标准差为σf的1维高斯核，*代表卷积运算。进一步的，所述步骤(3)中确定搜索区域的方法为：以上一帧目标所在位置的中心为圆心，以r为半径，所有中心落在该区域的矩形作为候选目标，采用以下公式表示：其中，为上一帧中目标所在位置，l(x)表示当前帧中图像块x所在位置，r为搜索半径，X表示所有候选图像块的集合，||·||代表欧氏距离。进一步的，所述步骤(3)中求得候选区域的平滑后的亮度位平面C1的方法为:①利用以下公式表示候选区域中每个像素的亮度，即用自然二进制序列表示每个像素的亮度：其中，J(i,j)表示候选区域中第i行第j列的像素亮度，di,j,k表示把该像素亮度用自然二进制序列表示时第k个bit的取值；②利用以下公式把自然二进制序列转化为二进制格雷码表示：其中，ei,j,k表示把J(i,j)用二进制格雷码表示时第k个bit的取值；③利用以下公式把候选区域中每个像素的亮度按bit投影到不同的位平面，从而得到8个亮度位平面：其中，BPGC1为亮度位平面，i和j分别表示图像的行和列，k表示位平面的序号，k＝0,1,2,...,7；④利用以下公式进行高斯平滑：其中是均值为μS，标准差为σS的2维高斯核，是均值为μf，标准差为σf的1维高斯核，从而得到候选区域的平滑后的亮度位平面C1。进一步的，所述步骤(3)中求得候选区域的局部二值模式位平面C2的方法为：①求候选区域中图像的LBP特征：采用传统的3×3尺寸的LBP算子，对于候选区域图像计算出以所有非边缘像素为中心的LBP值；②利用以下公式表示候选区域中每个像素的LBP值，即用自然二进制序列表示每个像素的LBP值：其中，J′(i,j)表示候选区域中第i行第j列的LBP值，d′i,j,k表示把该值用自然二进制序列表示时第k个bit的取值；③利用以下公式把LBP值转化为二进制格雷码表示：其中，e′i,j,k表示把LBP值用二进制格雷码表示时第k个bit的取值；④利用以下公式把候选区域中每个像素的LBP值按bit投影到不同的位平面，从而得到8个纹理位平面：其中，BPGC2为纹理位平面，i和j分别表示图像的行和列，k表示位平面的序号，k本文档来自技高网...

【技术保护点】
一种基于位平面的运动目标跟踪方法，其特征在于包括如下步骤：步骤(1)在视频第一帧中选定跟踪目标，并手动标记目标位置；步骤(2)对目标区域图像，求取其亮度位平面和局部二值模式位平面，然后进行高斯平滑，分别建立亮度外观模型和纹理外观模型；步骤(3)在下一帧中确定搜索区域，对其分别求取平滑后的亮度位平面和局部二值模式位平面，并搜索与步骤(2)中所建立的亮度外观模型和纹理外观模型最为接近的区域作为跟踪目标；步骤(4)根据已建立的外观模型和当前帧中的跟踪结果，按照预先设定的更新速率更新亮度外观模型和纹理外观模型；步骤(5)当所有视频帧处理完毕，则停止计算；否则，跳转步骤(3)。

【技术特征摘要】
1.一种基于位平面的运动目标跟踪方法，其特征在于包括如下步骤：步骤(1)在视频第一帧中选定跟踪目标，并手动标记目标位置；步骤(2)对目标区域图像，求取其亮度位平面和局部二值模式位平面，然后进行高斯平滑，分别建立亮度外观模型和纹理外观模型；步骤(3)在下一帧中确定搜索区域，对其分别求取平滑后的亮度位平面和局部二值模式位平面，并搜索与步骤(2)中所建立的亮度外观模型和纹理外观模型最为接近的区域作为跟踪目标；步骤(4)根据已建立的外观模型和当前帧中的跟踪结果，按照预先设定的更新速率更新亮度外观模型和纹理外观模型；步骤(5)当所有视频帧处理完毕，则停止计算；否则，跳转步骤(3)。2.根据权利要求1所述的一种基于位平面的运动目标跟踪方法，其特征在于：所述步骤(1)中手动标记目标位置的方法为：用矩形框选定跟踪目标，并记录该矩形框左上角的二维坐标(lx,ly)，以及矩形框的宽度和高度。3.根据权利要求1所述的一种基于位平面的运动目标跟踪方法，其特征在于：所述步骤(2)中建立亮度外观模型的方法为：①利用以下公式表示每个像素的亮度，即用自然二进制序列表示每个像素的亮度：其中，I(i,j)表示第i行第j列的像素亮度，ai,j,k表示把该像素亮度用自然二进制序列表示时第k个bit的取值；②利用以下公式把自然二进制序列转化为二进制格雷码表示：其中，bi,j,k表示把I(i,j)用二进制格雷码表示时第k个bit的取值；③利用以下公式把每个像素的亮度按bit投影到不同的位平面，从而得到8个亮度位平面：其中，BPGC为亮度位平面，i和j分别表示图像的行和列，k表示位平面的序号，k＝0,1,2,...,7；④利用以下公式进行高斯平滑：其中，M1为亮度外观模型，是均值为μS，标准差为σS的2维高斯核，是均值为μf，标准差为σf的1维高斯核，*代表卷积运算。4.根据权利要求1所述的一种基于位平面的运动目标跟踪方法，其特征在于：所述步骤(2)中建立纹理外观模型的方法为：①求目标区域图像的局部二值模式特征，采用传统的3×3尺寸的LBP算子，对于目标图像计算出以所有非边缘像素为中心的LBP值；②利用以下公式表示每个像素的LBP值，即用自然二进制序列表示每个像素的LBP值：其中，I′(i,j)表示第i行第j列的像素的LBP值，a′i,j,k表示把该像素的LBP值用自然二进制序列表示时第k个bit的取值；③利用以下公式把LBP值转化为二进制格雷码表示：其中，b′i,j,k表示把LBP值用二进制格雷码表示时第k个bit的取值；④利用以下公式把每个像素的LBP值按bit投影到不同的位平面，从而得到8个纹理位平面：其中，BPGC′为纹理位平面，i和j分别表示图像的行和列，k表示位平面的序号，k＝0,1,2,...,7；⑤利用以下公式进行高斯平滑，从而得到纹理外观模型M2：其中，M2为纹理外观模型，是均值为μS，标准差为σS的2维高斯核，是均值为μf，标准差为σf的1维高斯核，*代表卷积运算。5.根据权利要求1所述的一种基于位平面的运动目标跟踪方法，其特征在于：所述步骤(3)中确定搜索区域的方法为：以上一帧目标所在位置的中心为圆心，以r为半径，所有中心落在该区域的矩形作为候选目标，采用以下公式表示：其中，为上一帧中目标所在位置，l(x)...

【专利技术属性】
技术研发人员：李娜，刘颖，李大湘，刘卫华，王殿伟，陈俊艳，李凯，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西;61