基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法.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CN105321189A(43)申请公布日2016.02.10(21)申请号201510007706.5(22)申请日2015.01.07(71)申请人徐州工程学院地址221000江苏省徐州市新城区丽水路1号徐州工程学院(72)发明人厉丹鲍蓉党向盈肖理庆(51)Int.Cl.G06T7/20(2006.01)G06T7/40(2006.01)权利要求书3页说明书9页附图4页(54)发明名称基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法(57)摘要本发明公布了一种基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法，旨在提供一种在遇车辆形变、霜雾天气、背景噪声以及光照变换、遮挡干扰等复杂环境时能稳定跟踪车辆的跟踪方法，步骤如下：(1)采用Camshift算法对特征概率密度分布进行估计，利用候选模型和目标模型Bhattacharrya相似度跟踪目标；(2)通过样本主成分分析对SIFT局部不变特征降维，自适应仿射变换；(3)建立融合HSV颜色特征、局部不变特征和轮廓特征的多特征模板，设置权重，更新模板；(4)利用全局特征进行匹配，建立抗遮挡模型，判断遮挡是否发生和结束，对完全和部分遮挡两种情况实施不同跟踪方法。CN105321189ACN105321189A权利要求书1/3页1.一种基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法，其特征在于步骤如下：(1)采用Camshift算法对特征概率密度分布进行估计，利用候选模型和目标模型Bhattacharrya相似度跟踪目标；(2)通过样本主成分分析对SIFT局部不变特征降维，自适应仿射变换；(2.1)SIFT局部尺度不变特征变换算法生成特征向量；(2.2)建立样本矩阵，引入统计分析学中的样本主成分分析，累计样本主成分贡献率，对关键点特征降维；(3)建立融合HSV颜色特征、局部不变特征和轮廓特征的多特征模板，设置权重，更新模板；(4)利用全局特征进行匹配，建立抗遮挡模型，判断遮挡是否发生和结束，对完全和部分遮挡两种情况实施不同跟踪方法。2.根据权利要求1所述的基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法，其特征在于，所述的步骤(1)中Camshift算法跟踪目标过程包括四个步骤：a.选取初始大小为s，位置中心为(xc,yc)的搜索窗口；b.以(xc,yc)为中心的搜索窗1.1倍范围内计算HSV颜色概率分布，设有m级颜色特征，则归一化颜色直方图为：其中，目标颜色分布为qu，脉冲函数为δ，归一化系数为Ch；第i帧目标的颜色分布为颜色分布相似度大小利用系数进行度量：c.在i+1帧中,找寻新目标中心yi+1，使得qu、最相似，权值和权值已知，最大化相似度即中心为yi+1处搜索窗概率密度估计，算法采用Epanechnikov核函数，yi+1通过不断迭代计算质心，向量公式如下：d.为了自适应移动目标的方向及大小，利用像素值和搜索窗二阶矩进行估计，算法将新搜索窗的位置、大小作为下帧初始位置重新初始化，转步骤b，继续在搜索窗1.1倍范围内计算HSV颜色概率分布情况，直到收敛，反复执行以上算法，从而跟踪移动目标。2CN105321189A权利要求书2/3页3.根据权利要求1所述的基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法，其特征在于，所述的步骤(2.1)中基于SIFT局部尺度不变特征变换算法生成特征向量方法如下：a.建立高斯差分尺度空间，原始图像I(x,y)在不同的尺度下，与高斯函数G(x,y,σ)进行卷积，得到尺度空间函数L(x,y,σ)；L(x,y,σ)＝G(x,y,σ)*I(x,y)(4)位于相邻尺度中的图像求差，得到高斯差分尺度空间公式：b.检测差分金字塔极值点；c.计算关键点的主方向，采样点处的方向和模值θ(x,y)、m(x,y)表示如下：θ(x,y)＝αtan2((L(x,y+1)-L(x,y-1))/L(x+1,y)-L(x-1,y))(8)d.对关键点进行特征描述，生成特征向量，每个关键点用128维向量来描述。4.根据权利要求1所述的基于连续自适应均值漂移多特征融合的复杂环境目标跟踪方法，其特征在于，所述的步骤(2.2)中，引入统计分析学中的样本主成分分析方法对关键点特征降维，具体过程如下：a.设关键点个数为n，用p个特征向量描述一个关键点信息，构成样本矩TT阵。令X＝(X1,X2,...,Xn)的一个容量n的样本是xi＝(xi1,xi2,...,xip),i＝1,2,...n.，为样本协方差矩阵，其中b.为正交单位化特征向量，c.为第i个样本主成分，i＝1,2,...p。代入n个观测T值，xk＝(xk1,xk2,...,xkp),k＝1,2,...n，第i个主成分yi得分即是其