抗多次遮挡和颜色干扰的识别跟踪方法及系统技术方案

本发明专利技术提供了一种抗多次遮挡和颜色干扰的识别跟踪方法及系统，其通过用识别结果初始化跟踪窗口，实现了对特定目标的跟踪，解决了CamShift跟踪需要手动初始化跟踪目标的不足，本发明专利技术通过设置目标受到遮挡和颜色干扰的判断以及离开遮挡和颜色干扰区域的判断从而采取与Kalman滤波不同的结合策略，并且同时考虑了遮挡和颜色干扰两种情况，使得CamShift跟踪可以有效避免多次大面积相似颜色干扰和严重遮挡对跟踪的影响。

【技术实现步骤摘要】

本专利技术涉及识别跟踪领域，具体地，涉及抗多次遮挡和颜色干扰的识别跟踪方法和系统。
技术介绍
识别问题是一个特征向量的分类问题，本专利技术采用训练过的SVM(支持向量机，是Vapnik于1995年最早提出的兼顾结构风险和经验风险最小的一种有监督的机器学习算法，广泛地应用在分类和函数回归方面)识别出包装箱，并用识别结果初始化CamShift跟踪窗口。现有跟踪技术中的Camshift算法存在诸多不足：(1)手动初始化目标窗口不能满足自动化要求。(2)CamShift算法的跟踪是建立在目标HSV颜色空中H分量的概率分布直方图的基础之上，容易受相似颜色的干扰而导致跟踪目标丢失。(3)遇到噪声干扰或目标被遮挡等问题时容易陷入局部最大值，同时对快速运动目标往往跟踪失败，且无法从失败中复原。为了解决CamShift跟踪在目标受到遮挡和颜色干扰后导致跟踪失败的问题，通常考虑的方法是结合Kalman滤波器改进CamShift跟踪算法，目前改进的方法主要分为两类，第一类是用CamShift跟踪结果作为Kalman滤波器的测量值，用Kalman的预测值作为下一帧CamShift跟踪算法的起始窗口。这种改进方法可以在一定程度上抑制噪声和小面积相似颜色干扰对跟踪稳定性的影响，使得跟踪更加平稳，但实验表明这种方法在严重遮挡和大面积相似颜色干扰时仍然会导致跟踪目标丢失。第二类是设置相应的遮挡和颜色干扰的判断条件，根据不同情况采取不同的结合策略从而避免严重遮挡和大面积颜色干扰对跟踪的影响。在文献《基于Kalman预测器的改进的CAMShift目标跟踪》中，闫钧华等用当前目标与目标模型两个直方图的匹配系数Bhattacharyya系数的大小与阈值0.4比较，比阈值小则判断为目标开始被遮挡，并且用最小面积判断遮挡程度。但实验发现目标颜色单一时，目标被遮挡后的概率分布直方图和目标模型的概率分布直方图分布相近，此时Bhattacharyya系数与正常跟踪过程中的Bhattacharyya系数相差不大，因此用Bhattacharyya系数的大小来判断目标是否开始受到遮挡显然是不合理的。CamShift算法跟踪流程传统的CamShift算法(Continuously Adaptive Mean-Shist，连续自适应的MeanShift算法)跟踪流程，包括步骤：步骤(1)：读取图像，将该图像由RGB颜色空间投影到HSV颜色空间后，提取H通道图像；步骤(2)：判断是否有目标模型；若是，则进入步骤(4)继续执行，若否，则进入步骤(3)继续执行；步骤(3)：手动选择目标，计算目标的概率分布直方图；步骤(4)：反向投影得到概率图，具体为：将H通道图像中每个像素值用该值在目标的概率分布直方图中对应的概率值代替，并将结果映射到灰度值范围，例如映射到0到255之间(指包含端点0和255的数值范围，即0，1，2，…,255)。步骤(5)：在概率图中用MeanShift算法计算目标质心的位置坐标(xc,yc)，具体包括：通过如下公式(公式(1-1)、公式(1-2))计算质心的位置坐标，反复迭代直到收敛：一阶矩：目标质心：其中，M00、M01、M10为中间量，P(x,y)表示概率图中的点(x,y)处的概率值，(x,y)的范围为跟踪窗口中的所有像素，x表示跟踪窗口中像素的行坐标，y表示跟踪窗口中像素的列坐标，xc表示目标质心在跟踪窗口中的行坐标，yc表示目标质心在跟踪窗口中的列坐标；步骤(6)：通过如下公式(公式(1-3)到(1-7))调整椭圆旋转角度、椭圆长轴、椭圆短轴，返回步骤一继续执行：二阶矩：令：椭圆旋转角度：椭圆短轴：椭圆长轴：其中，M02、M20、M11、a、b、c为中间量，θ表示椭圆旋转角度，w表示椭圆短轴，h表示椭圆长轴；将[xc,yc,θ,w,h]这五个参数限定的椭圆作为跟踪窗口。Kalman滤波原理Kalman滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法。Kalman将状态空间的概念引入随机估计理论中，将信号过程看作白噪声作用下的一个线性系统的输出，用状态方程来描述这种输入--输出关系。估计过程中利用系统状态方程、观测方程和白噪声激励(系统过程噪声和观测噪声)的统计特性构成滤波算法。不考虑控制作用，设随机离散线性系统可以描述为：Xk＝Ak,k-1Xk-1+Γk,k-1Wk-1 (2-1)Zk＝HkXk+Vk (2-2)式中：Xk是随机离散线性系统的n维状态向量，Xk-1是随机离散线性系统的n维状态向量，Zk是随机离散线性系统的m维观测向量；Wk为p维系统过程噪声向量；Ak,k-1为n×n维状态转移矩阵；Hk是m×n维测量矩阵；Γk,k-1是n×p维噪声输入；Vk是m×m维观测噪声矩阵；下标k表示k时刻，下标k-1表示k时刻的前一时刻，下标k,k-1表示k时刻的前一时刻至k时刻；对于过程噪声和观测噪声，假设： E ( W k ) = 0 , E ( W k W j T ) = Q k δ k j E ( V k ) = 0 , 本文档来自技高网...

【技术保护点】
一种抗多次遮挡和颜色干扰的识别跟踪方法，其特征在于，包括：步骤S1：初始化Kalman滤波器；初始化目标的跟踪窗口；获取初始帧图像；初始化目标模型标识为假；初始化遮挡或颜色干扰标识为假；步骤S2：将跟踪窗口中的图像由RGB颜色空间投影到HSV颜色空间后，提取H通道图像；步骤S3：根据目标模型标识的真假判断是否有目标，若目标模型标识为真，则认为跟踪窗口含有目标，进入步骤S4继续执行，以对H通道图像进行反向投影；若目标模型标识为假，则认为跟踪窗口不含有目标，计算目标的概率分布直方图H1,并将目标模型标识赋值为真，进入步骤S4继续执行，以对概率分布直方图H1进行反向投影；步骤S4：反向投影得到目标的概率图；步骤S5：判断遮挡或颜色干扰标识是否为真；若遮挡或颜色干扰标识为真，则保存当前跟踪窗口的大小pre，进入步骤S6继续执行，否则，则进入步骤S6继续执行；步骤S6：基于概率图利用CamShift算法进行跟踪；步骤S7：判断目标是否被遮挡或颜色干扰；若目标被遮挡或颜色干扰，则进入步骤S8继续执行，否则进入步骤S9继续执行；步骤S8：使用Kalman滤波器的预测值中的位置坐标作为当前帧图像的跟踪窗口的位置坐标，使用pre作为当前帧图像的跟踪窗口的大小的固定值；用当前帧图像的跟踪窗口的位置坐标作为观测值更新Kalman滤波器；在目标脱离遮挡及颜色干扰的情况下，将遮挡或颜色干扰标识赋值为假；进入步骤10继续执行；步骤S9：使用Kalman滤波器的预测值中的位置坐标、大小作为当前帧图像的跟踪窗口的位置坐标、大小；用CamShift算法得到的跟踪窗口的位置坐标、大小作为观测值更新Kalman滤波器；将遮挡或颜色干扰标识赋值为假；进入步骤10继续执行；步骤S10：将Kalman滤波器的预测值作为结果输出；读取下一帧图像，返回步骤S2继续执行。...

【技术特征摘要】
1.一种抗多次遮挡和颜色干扰的识别跟踪方法，其特征在于，包括：步骤S1：初始化Kalman滤波器；初始化目标的跟踪窗口；获取初始帧图像；初始化目标模型标识为假；初始化遮挡或颜色干扰标识为假；步骤S2：将跟踪窗口中的图像由RGB颜色空间投影到HSV颜色空间后，提取H通道图像；步骤S3：根据目标模型标识的真假判断是否有目标，若目标模型标识为真，则认为跟踪窗口含有目标，进入步骤S4继续执行，以对H通道图像进行反向投影；若目标模型标识为假，则认为跟踪窗口不含有目标，计算目标的概率分布直方图H1,并将目标模型标识赋值为真，进入步骤S4继续执行，以对概率分布直方图H1进行反向投影；步骤S4：反向投影得到目标的概率图；步骤S5：判断遮挡或颜色干扰标识是否为真；若遮挡或颜色干扰标识为真，则保存当前跟踪窗口的大小pre，进入步骤S6继续执行，否则，则进入步骤S6继续执行；步骤S6：基于概率图利用CamShift算法进行跟踪；步骤S7：判断目标是否被遮挡或颜色干扰；若目标被遮挡或颜色干扰，则进入步骤S8继续执行，否则进入步骤S9继续执行；步骤S8：使用Kalman滤波器的预测值中的位置坐标作为当前帧图像的跟踪窗口的位置坐标，使用pre作为当前帧图像的跟踪窗口的大小的固定值；用当前帧图像的跟踪窗口的位置坐标作为观测值更新Kalman滤波器；在目标脱离遮挡及颜色干扰的情况下，将遮挡或颜色干扰标识赋值为假；进入步骤10继续执行；步骤S9：使用Kalman滤波器的预测值中的位置坐标、大小作为当前帧图像的跟踪窗口的位置坐标、大小；用CamShift算法得到的跟踪窗口的位置坐标、大小作为观测值更新Kalman滤波器；将遮挡或颜色干扰标识赋值为假；进入步骤10继续执行；步骤S10：将Kalman滤波器的预测值作为结果输出；读取下一帧图像，返回步骤S2继续执行。2.根据权利要求1所述的抗多次遮挡和颜色干扰的识别跟踪方法，其特征在于，所述初始化目标的跟踪窗口的步骤，包括：利用分类器从图像中得到包装箱的轮廓，将包装箱的轮廓的外接矩形作为跟踪窗口。3.根据权利要求1所述的抗多次遮挡和颜色干扰的识别跟踪方法，其特征在于，在步骤S7中，判断目标是否被遮挡的步骤包括：步骤S7.A：得到当前跟踪窗口中图像的概率分布直方图H2；步骤S7.B：计算直方图相关系数： d ( H 1 , H 2 ) = Σ m = 1 M ( H 1 ( m ) - H ‾ 1 ) ( H 2 ( m ) - H ‾ 2 ) Σ m = 1 M ( H 1 ( m ) - H ‾ 1 ) 2 ( H 2 ( m ) - H ‾ 2 ) 2 ]]> H ‾ i = 1 M Σ m = 1 M H i ( m ) , i = 1 , 2 ]]>其中，d(H1,H2)表示H1、H2之间的直方图相关系数；M表示直条数；H1(m)表示概率分布直方图H1中的第m个直条；H2(m)表示概率分布直方图H2中的第m个直条；步骤S7.C：若d(H1,H2)大于开始遮挡阈值α1，则认为目标被遮挡；否则，则认为目标没有被遮挡；在步骤S7中，判断目标是否被颜色干扰的步骤包括：步骤S7.a：判断目标面积是否大于开始颜色干扰阈值；若是，则认为目标受到颜色干扰；否则，则认为目标没有受到颜色干扰。4.根据权利要求1所述的抗多次遮挡和颜色干扰的识别跟踪方法，其特征在于，在步骤S8中，判断目标是否脱离遮挡的步骤包括：步骤S8.A：得到当前跟踪窗口中图像的概率分布直方图H2；步骤S8.A：计算直方图相关系数： d ( H 1 , H 2 ) = Σ m = 1 M ( H 1 ( m ) - H ‾ 1 ) ( H 2 ( m ) - H ‾ 2 ) Σ m = 1 M ( H 1 ( m ) - H ‾ 1 ) 2 ( H 2 ( m ) - H ‾ 2 ) 2 ]]> H ‾ i = 1 M Σ m = 1 M H i ( m ) , i = 1 , 2 ]]>其中，d(H1,H2)表示H1、H2之间的直方图相关系数；M表示直条数；H1(m)表示概率分布直方图H1中的第m个直条；H2(m)表示概率分布直方图H2中的第m个直条；步骤S8.C：若d(H1,H2)大于离开遮挡阈值α2，则认为目标脱离遮挡；否则，则认为目标没有脱离遮挡；在步骤S8中，判断目标是否脱离颜色干扰的步骤包括：步骤S8.a：判断CamShift算法当前的迭代次数是否小于脱离颜色干扰阈值；若是，则认为目标脱离颜色干扰；否则，则认为目标没有脱离颜色干扰。5.一种抗多次遮挡和颜色干扰的识别跟踪系统，其特征在于，包括：装置M1：初始化Kalman滤波器；初始化目标的跟踪窗口；获取初始帧图像；初始化目标模型标识为假；初始化遮挡或颜色干扰标...

【专利技术属性】
技术研发人员：杨宁，
申请(专利权)人：上海瑞孚电子科技有限公司，
类型：发明
国别省市：上海;31