一种观察模型构建方法及装置制造方法及图纸

本申请提供一种观察模型构建方法及装置，该方法包括：统计区域特征直方图，所述区域包括目标区域和背景区域；获取背景区域特征直方图中占主要成分的各分块的分块索引号；根据已获取的分块索引号对目标区域特征直方图中各分块进行标记；根据所述目标区域特征直方图以及所述目标区域特征直方图中各分块的标记信息构建观察模型。通过本申请构建的观察模型可更精准地识别跟踪目标，提高跟踪算法的环境适应能力，降低复杂场景下的跟踪错误率。

Observation model construction method and device

The invention provides a construction method and a device for observing model, the statistical methods include: regional characteristics histogram, the region including the target region and background region; obtaining block each block's index was the main component in the background of regional feature histogram; according to block acquired index on the target region feature histogram each block of each block according to the mark; marking information of the regional characteristics of the target histogram and the target region histogram construct observation model. Through the application of the observation model, the tracking target can be identified more accurately, the environmental adaptability of the tracking algorithm is improved, and the tracking error rate is reduced.

【技术实现步骤摘要】

本申请涉及图像处理
，尤其涉及一种观察模型构建方法及装置。
技术介绍
目前，基于视频的目标跟踪主要采用较为成熟的目标跟踪算法实现，而目标跟踪算法是根据预先构建的观察模型进行跟踪，所以，观察模型的好坏直接影响最终的跟踪效果。现有观察模型构建方法主要是基于跟踪目标的特征，没有考虑跟踪目标所处背景的特征，或者，仅将背景特征作为目标特征的辅助特征。基于上述方法构建的观察模型，在目标特征与背景特征相似度较大时，很难将目标特征与背景特征区分开来，从而导致目标跟踪偏移，甚至目标丢失。
技术实现思路
有鉴于此，本申请提供一种观察模型构建方法及装置。具体地，本申请是通过如下技术方案实现的：本申请提供一种观察模型构建方法，该方法包括：统计区域特征直方图，所述区域包括目标区域和背景区域；获取背景区域特征直方图中占主要成分的各分块的分块索引号；根据已获取的分块索引号对目标区域特征直方图中各分块进行标记；根据所述目标区域特征直方图以及所述目标区域特征直方图中各分块的标记信息构建观察模型。本申请还提供一种观察模型构建装置，该装置包括：统计单元，用于统计区域特征直方图，所述区域包括目标区域和背景区域；获取单元，用于获取背景区域特征直方图中占主要成分的各分块的分块索引号；标记单元，用于根据已获取的分块索引号对目标区域特征直方图中各分块进行标记；构建单元，用于根据所述目标区域特征直方图以及所述目标区域特征直方图中各分块的标记信息构建观察模型。由以上描述可以看出，本申请在构建观察模型时，融合了目标区域和背景区域的特征，并重点突出目标区域和背景区域的差异特征，从而使根据该差异特征构建的观察模型可以更精准地识别跟踪目标，提高跟踪算法的环境适应能力，降低复杂场景下的跟踪错误率。附图说明图1是本申请一示例性实施例示出的一种观察模型构建方法流程图；图2是本申请一示例性实施例示出的一种目标区域所处背景区域示意图；图3是本申请一示例性实施例示出的一种观察模型构建装置所在设备的基础硬件结构示意图；图4是本申请一示例性实施例示出的一种观察模型构建装置的结构示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。目前，基于视频的目标跟踪主要采用较为成熟的目标跟踪算法实现，例如，粒子滤波跟踪算法、压缩感知跟踪算法、时空上下文视觉跟踪算法等。目标跟踪算法主要是基于预先构建的观察模型(用于表示跟踪目标特征的模型)进行跟踪，所以，观察模型的好坏直接影响最终的跟踪效果。现有观察模型构建方法主要是基于跟踪目标的特征，没有考虑跟踪目标所处背景的特征，或者，仅将背景特征作为目标特征的辅助特征。基于上述方法构建的观察模型，在目标特征与背景特征相似度较大时，很难将目标特征与背景特征区分开来，从而导致目标跟踪偏移，甚至目标丢失。针对上述问题，本申请实施例提出一种观察模型构建方法，融合目标区域和背景区域的特征，并基于目标区域和背景区域的差异特征构建观察模型。参见图1，为本申请观察模型构建方法的一个实施例流程图，该实施例对观察模型构建过程进行描述。步骤101，统计区域特征直方图，所述区域包括目标区域和背景区域。目标区域顾名思义为拟跟踪目标覆盖区域，可在跟踪前由人工划定或自动识别；背景区域为跟踪目标所在位置附近的背景。本申请实施例分别统计目标区域和背景区域的特征直方图，其中，该特征直方图包括颜色特征直方图和纹理特征直方图。a)颜色特征直方图统计目标区域颜色特征直方图统计过程如下：本申请实施例基于HSV(HueSaturationValue，色调饱和度亮度)颜色空间统计目标区域的颜色特征直方图作为目标区域的颜色特征。具体为，对目标区域的每一个像素执行如下计算操作：Hidx＝MIN(INT(Hval*Hn/Hmax),Hn-1)公式(1)Sidx＝MIN(INT(Sval*Sn/Smax),Sn-1)公式(2)Vidx＝MIN(INT(Vval*Vn/Vmax),Vn-1)公式(3)其中，Hmax、Smax、Vmax分别为H、S、V分量的最大值；Hn、Sn、Vn分别为H、S、V分量的分块数量，例如，可取Hn、Sn、Vn均为10；Hval、Sval、Vval分别为当前像素的H、S、V分量值；INT为取整操作符；MIN为最小值操作符；Hidx、Sidx、Vidx分别为当前像素H、S、V分量的分块索引号。根据像素各分量的分块索引号计算像素所属颜色特征直方图的分块索引号，具体过程如下：判断Sidx或Vidx是否小于预设的索引阈值Sidxth或Vidxth，当Sidx<Sidxth或者Vidx<Vidxth时，说明该像素的饱和度偏低或者亮度偏暗，色调不可信，该像素所属颜色特征直方图的分块索引号Bidx为：Bidx＝Vidx公式(4)否则，说明像素的饱和度、亮度满足要求，色调可信，该像素所属颜色特征直方图的分块索引号Bidx为：Bidx＝Sidx*Hn+Hidx公式(5)通过上述方法计算目标区域内每一个像素的分块索引号，然后，统计每一个分块索引号对应的像素个数，并进行归一化处理，得到该目标区域的颜色特征直方图。背景区域颜色特征直方图统计过程如下：首先选取背景区域，参见图2，为目标区域所处背景区域示意图。其中，斜线填充部分为目标区域；目标区域外至虚线框内的区域为目标周边区域，该目标周边区域本文档来自技高网...

【技术保护点】
一种观察模型构建方法，其特征在于，该方法包括：统计区域特征直方图，所述区域包括目标区域和背景区域；获取背景区域特征直方图中占主要成分的各分块的分块索引号；根据已获取的分块索引号对目标区域特征直方图中各分块进行标记；根据所述目标区域特征直方图以及所述目标区域特征直方图中各分块的标记信息构建观察模型。

【技术特征摘要】
1.一种观察模型构建方法，其特征在于，该方法包括：
统计区域特征直方图，所述区域包括目标区域和背景区域；
获取背景区域特征直方图中占主要成分的各分块的分块索引号；
根据已获取的分块索引号对目标区域特征直方图中各分块进行标记；
根据所述目标区域特征直方图以及所述目标区域特征直方图中各分块的标记信息构
建观察模型。
2.如权利要求1所述的方法，其特征在于，所述获取背景区域特征直方图中占主要成分
的各分块的分块索引号，包括：
获取预设的主成分比重阈值；
对背景区域特征直方图的分块按比重从大到小排序；
对已排序的分块按比重从大到小顺序累计比重和；
当累计的比重和大于或等于预设的主成分比重阈值时，记录已累计的各分块的分块索
引号。
3.如权利要求1所述的方法，其特征在于，所述根据已获取的分块索引号对目标区域特
征直方图中各分块进行标记，包括：
将与所述已获取的分块索引号相同的目标区域特征直方图的分块标记为无效，其它分
块标记为有效。
4.如权利要求1所述的方法，其特征在于，所述方法还包括：
基于当前观察模型对跟踪目标进行跟踪；
根据跟踪结果获取跟踪区域特征直方图；
根据所述跟踪区域特征直方图、所述目标区域特征直方图以及所述目标区域特征直方
图的标记信息，计算所述跟踪区域特征直方图与所述目标区域特征直方图之间的距离值；
根据所述距离值计算跟踪区域的权重值；
选取多个跟踪区域中权重值最大的跟踪区域；
当所述权重值最大的跟踪区域的权重值大于预设的权重阈值时，将所述权重值最大的
跟踪区域作为新的目标区域。
5.如权利要求4所述的方法，其特征在于，所述计算所述跟踪区域特征直方图与所述目
标区域特征直方图之间的距离值，包括：
所述特征直方图包括颜色特征直方图和纹理特征直方图；
所述距离值的计算公式如下：
Dis=α×(1-Σi=0nLC[i]×C[i]×PC[i])+β×(1-Σj=0mLT[j]×T[j]×PT[j])]]>α=Σi=0n(LC[i]×C[i])/(Σi=0n(LC[i]×C[i])+Σj=0m(LT[j]×T[j]))]]>β=Σj=0m(LT[j]×T[j])/(Σi=0n(LC[i]×C[i])+Σj=0m(LT[j]×T[j]))]]>其中：
C[i]为目标区域颜色特征直方图中第i分块的值；
T[j]为目标区域纹理特征直方图中第j分块的值；
PC[i]为跟踪区域颜色特征直方图中第i分块的值；
PT[j]为跟踪区域纹理特征直方图中第j分块的值；
LC[i]为目标区域颜色特征直方图中第i分块的标记信息值；
LT[j]为目标区域纹理特征直方图中第j分块的标记信息值；
α为目标区域中颜色特征直方图所占比重；
β为目标区域中纹理特征直方图所占比重；
D...

【专利技术属性】
技术研发人员：吕春旭，
申请(专利权)人：浙江宇视科技有限公司，
类型：发明
国别省市：浙江;33