基于多特征信息融合的视频运动目标自适应跟踪方法技术

一种基于多特征信息融合的视频运动目标自适应跟踪方法，用于计算机视觉、图像处理与模式识别领域。本发明专利技术首先提取出目标的特征信息，然后利用模糊逻辑方法对各种特征信息进行自适应融合，并将融合后的信息用于描述目标的观测信息，最后采用具有启发式搜索功能的遗传算法在当前图像目标候选区域内找出与目标模板观测信息最相似的候选目标。本发明专利技术通过自适应融合各特征信息以及在目标搜索时采用启发式搜索方法使得跟踪的可靠性大大提高，可广泛应用于视频监控系统、视频会议系统、机器人视觉导航系统、工业产品监控系统、军事目标跟踪系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。（*该技术在2024年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及的是一种用于图像处理
的自适应跟踪的方法，具体是一种。
技术介绍
视频目标跟踪是计算机视觉、图像处理与模式识别领域的一个研究热点。对视频图像中目标的实时准确跟踪在民用和军用上均具有广泛的应用前景。视频目标跟踪一直存在一些难点，如跟踪期间目标的特征发生明显变化、跟踪期间目标发生遮挡、背景图像中的各种干扰等等。针对这些难点，国内外学者提出了很多种跟踪方法，这些方法包括Kalman filter、Condensation、MeanShift以及CamShift等，但是多数是利用目标的单一特征信息对目标进行跟踪，往往很难实现对目标的鲁棒跟踪，这是因为目标的特征信息在跟踪期间会由于目标的自身运动或背景图像的干扰而发生变化，如果目标的某一特征信息发生了变化，若仍利用该特征信息跟踪目标，则会造成跟踪失败。针对单一特征信息下视频目标跟踪方法存在的鲁棒性差等问题，许多学者提出了利用目标的多种特征信息对目标进行跟踪。这种方法的优点是各种特征信息间可以实现信息互补，如果其中一种特征信息在跟踪期间失效，可以利用其他特征信息继续维持对目标的跟踪。这种方法的难点在于实现各种特征信息的最优融合。目前大多数基于多特征信息融合的跟踪方法在融合各特征信息时，对各特征采用了固定权值，这种融合方法的不足是如果跟踪期间有一个特征信息变化明显，而其权值保持不变，则融合后的信息会不可靠，利用这种信息跟踪目标会导致跟踪效果不理想，甚至会跟踪失败。经对现有技术文献的检索发现，D.Comaniciu等在《IEEE Transactions onPattern Analysis and Machine Intelligence》(pp.564-577，2003)上发表“Kernel-based Object Tracking”(基于核的目标跟踪，模式分析与机器智能IEEE杂志)。该文提出了利用颜色和边缘特征信息跟踪目标的方法，文中的试验结果说明该方法具有较好的跟踪性能。但该方法没有考虑目标颜色发生明显变化时的情况以及没有充分利用颜色和边缘特征间的互补信息，因此该方法在实际应用中常常会由于场景的动态变化而变得不适用。
技术实现思路
本专利技术的目的在于克服现有技术中的不足，提供一种，使其提高了对复杂环境下运动目标的跟踪能力。本专利技术是通过以下技术方案实现的，本专利技术首先提取目标的特征信息，然后利用模糊逻辑方法对各种特征信息进行自适应融合，并将融合后的信息用于描述目标的观测信息，最后进行基于遗传算法的目标搜索，采用具有启发式搜索功能的遗传算法在当前图像目标候选区域内找出与目标模板观测信息最相似的候选目标。以下对本专利技术方法作进一步的说明，具体内容如下(1)提取目标的特征信息目标的特征在本专利技术中是颜色和形状特征。目标的颜色特征主要是由它的颜色分布反映的，在描述颜色分布时，采用了带空间位置信息的加权颜色直方图，该直方图考虑了像素的空间位置信息，提高了描述颜色特征的鲁棒性；目标形状特征的提取是通过对图像进行边缘提取以及进行距离变换后得到的，在描述目标形状特征时，采用了椭圆模板，即采用不同大小的椭圆近似描述图像中目标的形状。这主要是由于被跟踪目标为人的头部，一般情况下，人的头部轮廓形状可以用一椭圆近似描述。(2)特征信息自适应融合在融合颜色和形状特征信息时，采用了模糊逻辑方法自适应调节两者的权值。模糊逻辑根据当前帧目标颜色和形状信息的可信度调节下一帧融合信息中两者的权重，实现两种特征信息的自适应加权融合。(3)基于遗传算法的目标搜索在目标搜索时，采用了遗传算法；遗传算法是种启发式搜索方法，其搜索效率远远优于穷举搜索法。遗传算法在当前帧图像目标候选区域内不断迭代寻优搜索出与目标模板观测信息最相似的候选目标。在利用遗传算法搜索目标时，首先对候选目标所在区域的中心及半径进行编码，然后利用交叉和变异算子不断产生新的个体，最后利用选择算子找出适应度最好的个体，该个体解码得到的实数即对应当前帧目标的位置及其所在区域的半径大小。本专利技术采用了颜色和形状的融合信息描述目标的观测信息；在融合颜色和形状信息时，采用了自适应融合的方法，大大提高了目标观测信息的可靠性；在该融合方法中，模糊逻辑根据当前帧目标颜色和形状信息的可信度在线调节下一帧观测信息中两者的权重，实现了颜色和形状信息的自适应加权融合；在目标搜索与跟踪期间，采用具有启发式搜索功能的遗传算法，提高了搜索效率。本专利技术通过自适应融合各特征信息以及在目标搜索时采用启发式搜索方法使得跟踪的可靠性大大提高，可以广泛应用于视频监控系统、视频会议系统、机器人视觉导航系统、工业产品监控系统、军事目标跟踪系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。附图说明图1为本专利技术处理方法总体框图。其中图1(a)为颜色和形状信息加权融合框图；图1(b)为在线调节权值框图；图1(c)为目标搜索过程框图。图2为本专利技术中模糊逻辑系统输入、输出变量的隶属度函数图。图3为目标的跟踪效果图。其中图3(a)为单独利用颜色信息的跟踪效果图；图3(b)为单独利用形状信息的跟踪效果图；图3(c)为非自适应融合的跟踪效果图；图3(d)为本专利技术的跟踪效果图。图4为跟踪期间各特征信息权值的变化曲线图。具体实施例方式为了更好地理解本专利技术的技术方案，以下结合附图对本专利技术的实施方式作进一步描述。图1为本专利技术提出的一种的总体框图。各部分具体实施细节如下图1(a)颜色和形状信息的加权融合框图1.颜色信息在描述目标颜色分布时，采用了带空间位置信息的颜色直方图方法，这种方法考虑了像素的空间位置信息，因此对颜色分布的描述更加鲁棒。如果已知目标区域(椭圆区域)的中心位置为x＝(x，y)；半径为h＝(hx，hy)，hx、hy分别为椭圆的长轴和短轴，目标区域内像素的位置为xi＝(xi，yi)，i＝1…nh，则目标的颜色分布可以用如下公式描述p^(u)(x,h)=ChΣi=1nhg(||x-xih||2)δ----(1)]]>其中δ是Delta函数，nh为目标区域内像素的总个数，函数b(xi)是位于xi处的像素在直方图上颜色级索引的映象，u为直方图中颜色级索引，u＝1，…，L，L为直方图上颜色级的总数，Ch为归一化常数，在Σu=1Lp^(u)(x,h)=1]]>条件下，可得ch=1/Σi=1nhg(||x-xih||2),]]>g(·)为权值函数 函数g(·)将目标区域内不同位置上的像素赋予不同权值，与目标中心越近的像素，赋予的权值越大，这是由于目标的外围像素可能被遮挡或属于背景像素，是相对不可靠的缘故。2.颜色相似度在评价颜色相似性时，采用Bhattacharyya距离来衡量。假设目标模板的颜色分布为q^={q^(u)}u=1...L,]]>候选目标的颜色分布为p^(x,h)={p^(u)(x,h)}u=1...L,]]>则候选目标与目标模板在颜色上的相似系数为 ρ=Σu=1Lp^(u)(x,h)q^(u)----(3)]]>该系数为Bhattacharyya系数，Bhattacharyya距离为dc=1-&rho本文档来自技高网...

【技术保护点】
一种基于多特征信息融合的视频运动目标自适应跟踪方法，其特征在于，首先提取目标的特征信息，然后利用模糊逻辑方法对各种特征信息进行自适应融合，并将融合后的信息用于描述目标的观测信息，最后进行基于遗传算法的目标搜索，采用具有启发式搜索功能的遗传算法在当前图像目标候选区域内找出与目标模板观测信息最相似的候选目标。

【技术特征摘要】

【专利技术属性】
技术研发人员：敬忠良，李安平，胡士强，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：31[中国|上海]