基于多特征联合与Mean Shift算法的多目标跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106204643A(43)申请公布日2016.12.07(21)申请号201610511773.5(22)申请日2016.07.01(71)申请人湖南源信光电科技有限公司地址410000湖南省长沙市高新开发区尖山路39号长沙中电软件园总部大楼A173房(72)发明人谭树人张斯尧马昊辰(74)专利代理机构北京中济纬天专利代理有限公司11429代理人陈立新(51)Int.Cl.G06T7/20(2006.01)G06T5/00(2006.01)权利要求书3页说明书12页附图5页(54)发明名称基于多特征联合与MeanShift算法的多目标跟踪方法(57)摘要本发明提供一种基于多特征联合与MeanShift算法的多目标跟踪方法，包括以下步骤：步骤S100：初始化背景模型，利用帧差法对视频图像的中的背景进行更新，利用背景差法对背景进行差分，然后对视频图像的进行二值化；步骤S200：对二值图像依序进行去噪和多目标分割，得到包含运动目标轮廓的分割图像；步骤S300：基于多特征联合和MeanShift算法对所得分割图像进行多运动目标跟踪运算。该方法采取颜色特征的RGB模型下的R,G,B分量特征，HIS模型下的H,S分量和灰度直方图综合追踪，提高目标追踪结果的鲁棒性和实时性，提取目标清晰度。CN106204643ACN106204643A权利要求书1/3页1.一种基于多特征联合与MeanShift算法的多目标跟踪方法，其特征在于，包括以下步骤：步骤S100：采用多帧图像平均法得到初始背景模型，根据所得背景模型采用帧差法对视频图像中的背景进行更新，采用背景差法对背景进行差分，然后对背景差分所得视频图像的进行二值化，得到二值图像；步骤S200：对所述二值图像依序进行去噪和多目标分割，得到包含运动目标轮廓的分割图像；步骤S300：将RGB模型下的R,G,B分量特征、HIS模型下的H,S分量和灰度直方图作为待跟踪目标特征分量进行多特征联合后得到分割图像中跟踪目标位置的中心点，之后通过MeanShift迭代寻优以跟踪目标位置的中心点作为起始点，在候选区域内找到巴特查理亚系数最大的候选区域作为待追踪目标的跟踪结果，MeanShift迭代收敛条件为预设，然后更新待跟踪目标的收敛位置；重复步骤S100～S200完成对待跟踪目标在每一帧图像中的跟踪，至视频结束。2.根据权利要求1所述的基于多特征联合与MeanShift算法的多目标跟踪方法，其特征在于，所步骤S300包括以下步骤：步骤S310：多特征联合提取：计算各特征分量的权值后，对各特征分量的跟踪结果进行权值归一化，并对各特征分量得到的跟踪目标位置中心点进行加权值融合，得到追踪目标位置中心点；设当前帧初始目标的特征向量为：V(t)＝{Vi(t)i＝1,...,n}(28)其中t代表当前帧，n则表示了使用特征的种数，Vi(t)表示了每一种特征的特征向量；以根据每种特征进行跟踪后确定的候选区域的特征向量为Vi(t+1)；按公式(29)计算得到的欧氏距离作为各特征向量之间相似度的测量标准，前后两帧图像的某一特征向量的相似度越高，则该特征的权值就越高，反之，则该特征向量的权值越低，其中，di为Vi的维度，Si为各特征之间的相似度，取值范围为0～1，按公式(30)得到每个特征向量的权值ωi：将特征向量权值ωi小于阈值T对应的该特征分量从整体的特征向量中去除，然后根据公式(31)～(32)重新归一化权值：ωi＝0ωi<T(31)按公式(33)即可根据该权值得到跟踪目标的位置中心点(x(t+1),y(t+1))，其中，(xi(t+1),yi(t+1))为每种特征单独跟踪所得跟踪目标的位置中心点。3.根据权利要求1所述的基于多特征联合与MeanShift算法的多目标跟踪方法，其特2CN106204643A权利要求书2/3页征在于，所述步骤S100中包括以下步骤：步骤S110：初始化背景模型。采用多帧图像平均法按公式(4)计算出初始背景图像Bk(x,y,t)，其中，Ik(x,y,k)表示第k帧图像在点(x,y,k)处的像素值，N为统计的帧数。步骤S120：对待处理视频图像的当前帧与前一帧通过帧差法进行差分，以对当前帧进行背景更新，按公式(5)对得到的帧差结果进行二值化，并将所述帧差结果作为前景目标，其中，I(x,y,t+1)、I(x,y,t)分别表示当前帧图像和该当前帧的前一帧图像，|I(x,y,t+1)-I(x,y,t)|表示差分图像，T′为阈值，通过自适应迭代法确定；然后按式(6)利用B′(x,y,t+1)来进行背景更新：式中，α为更新因子，B(x,y,t)为初始化背景模型，αI(x,y,t+1)+(1-α)B(x,y,t)表示前景目标图像；