CN101442609A - 一种窗口分割和重组的跟踪方法 - Google Patents

Abstract

本发明公开了一种窗口分割和重组的跟踪方法，包括如下步骤：(1)在第一帧初始化跟踪窗口的尺寸；(2)根据目标的颜色信息找出一个划分，使划分的两个子部分颜色之间的方差最大；(3)对步骤(2)划分的子部分及原目标框分别用Mean－Shift方法进行跟踪；(4)在步骤(3)跟踪结果的边缘部分根据颜色信息进行划分，得到近似的跟踪窗口；(5)用加权的方法，结合步骤(3)和(4)的结果得到目标的位置；(6)取下一帧图片，重复(2)到(5)，进行跟踪。本发明能够更准确地用尺寸比较合适的跟踪窗口来跟踪运动物体。

Description

一种窗口分割和重组的跟踪方法

技术领域

本发明涉及一种基于Mean-Shift的窗口分割和重组的跟踪方法。

背景技术

Mean-Shift算法是一种常用的跟踪方法，现在广泛应用于视频监控系统中。该算法鲁棒性较强，实时性较好，符合大部分视频监控系统对时间的要求。

在目前基于Mean-Shift的跟踪方法中，跟踪窗口一般是以矩形或者椭圆形等简单的几何形状来表示。随着目标在场景中的移动，跟踪窗口尺寸的选择是一个难点，尺寸太大或者太小都会引起问题，所以关键是找到一个合适的窗口。

发明内容

发明目的：本发明的目的是针对现有技术的不足，提供一种基于Mean-Shift的窗口分割和重组的跟踪方法。

技术方案：本发明根据运动目标的颜色分布的规律进行一次划分，得到运动目标的两个子部分，同时保证划分的这两部分在颜色的差异上尽可能的大，然后对这两个划分的子部分分别用Mean-Shift方法进行跟踪，得到两个子部分新的位置，再在当前帧通过边缘的分割得到一个近似的矩形，最后通过结合上述两步的结果得到目标现在的跟踪窗口。该方法包括以下步骤：(1)在第一帧初始化跟踪窗口的尺寸；(2)根据目标的颜色信息找出一个划分位置，使划分的两个子部分颜色之间的方差最大；(3)对步骤(2)划分的子部分和原目标框分别用Mean-Shift方法进行跟踪；(4)在步骤(3)跟踪结果的边缘部分根据颜色信息进行划分，得到近似的跟踪窗口；(5)用加权的方法结合(3)和(4)的结构得到目标的位置；(6)取下一帧图片，重复步骤(2)到(5)，进行跟踪。

有益效果：本发明与现有技术相比，其显著优点是：能够更准确地用尺寸比较合适的跟踪窗口来跟踪运动物体。

附图说明

图1是本发明方法追踪目标的动态过程图，共三页9幅图；图2是本发明方法的组成结构图。图3是本发明方法的流程图。

具体实施方式

如图1所示，本发明方法包含初始化模块，运动目标划分模块、Mean-Shift子部分跟踪模块、边缘分割模块和跟踪窗口重组模块。

本发明方法流程如图2所示，下面详细说明：

步骤1，从外部设备(如摄像头)读入第一张图片。

步骤2，手动用外接矩形把图中要跟踪的物体框定出来。

步骤3，记录下步骤2中目标框外围四点的坐标，如目标框的左上角坐标是(x₀，y₀)，右上角坐标是(x₀，y₁)，左下角坐标是(x₁，y₀)，右下角坐标是(x₁，y₁)，则窗口的高度是x₁-x₀，窗口的宽度是y₁-y₀。并计算它所包围的封闭区域的颜色直方图(RGB，灰度都可)信息。

步骤4，根据步骤3中的目标框的位置定义一个矩形的中心区域。如目标框的左上角坐标是(x₀，y₀)，右上角坐标是(x₀，y₁)，左下角坐标是(x₁，y₀)，右下角坐标是(x₁，y₁)，则此目标框中的中心区域的四个角的坐标位置为：左上角为(x₀+α(x₁-x₀)，y₀+α(y₁-y₀))，右上角为(x₀+α(x₁-x₀)，y₁-α(y₁-y₀))，左下角为(x₁-α(x₁-x₀)，y₀+α(y₁-y₀))，右下角为(x₁-α(x₁-x₀)，y₁-α(y₁-y₀))。其中α，(0<α<0.5)衡量中心区域到目标框的距离，α越小表示中心区域离目标框的距离越小，反之越远。

步骤5，在步骤4中定义的中心区域中找出一条直线来划分这个目标框区域，可以垂直的划分，也可以水平的划分，划分评价的依据是使划分的左右两部分或者上下两部分区域所包围的像素点之间颜色平均值的方差最大。

步骤6，取下一帧的图片，目标框保持不动。

步骤7，对步骤5中的划分出的两部分以及原目标框这三部分分别进行Mean-Shift的跟踪，得到三个新的窗口。

其中：Mean-Shift算法的具体步骤是：

(1)计算当前目标区域直方图与原目标模型直方图的巴氏距离ρ₁；

(2)计算当前帧与上一帧的相似性权值，比如现有一个像素点灰度是x，则分别统计当前目标区域直方图与原模型直方图中灰度是x的像素点个数分别是Num₁与Num₂，则此像素点的权值为

(3)根据(2)中的权重计算现在目标中心的位置，现在中心的位置是：

$\frac{{\mathrm{\&Sigma;}}_{i=1}^n{x}_{i}w\left(x_i\right)}{{\mathrm{\&Sigma;}}_{i=1}^{n}w\left(x_i\right)}$

其中x_i表示区域中像素点的颜色值(灰度，RGB都可)，n表示区域中像素点的个数，w(x_i)表示用(2)的方法计算出的x_i这个点的相似性权值；

(4)计算目标区域直方图与原目标模型直方图的巴氏距离ρ₂；

(5)根据计算巴氏距离的差值判断是否已经达到收敛的条件，即|ρ₁-ρ₂|是否小于指定的阈值，否就回到(2)继续循环，是就停止。

步骤8，把步骤7中的三个窗口组合起来，在该方法中，假定划分是水平划分的，经过步骤7以后两个子窗口的四条边界分别是(up₁，down₁，left(1)，right₁)，(up₂，down₂，left(2)，right₂)，和整个窗口的跟踪结果(up_e，down_e，left(e)，right_e)，则组合以后的窗口W₁的结果是：上边界是3/4*up₁+1/4*up_e，下边界是3/4*down₂+1/4*down_e，左，右边界分别是3/7*left₁+3/7*left₂+1/7*left_e，3/7*right₁+3/7*right₂+1/7*right_e；同理，垂直划分的情况与此类似。

步骤9，边缘分割，在上一次跟踪窗口四条边缘的邻域内找出一条使分开的两部分区域的颜色平均值的方差最大，把新的四条边缘组成新的窗口W₂。在本发明的方法中，假设目标框的左上角坐标是(x₀，y₀)，右上角坐标是(x₀，y₁)，左下角坐标是(x₁，y₀)，右下角坐标是(x₁，y₁)，则目标框的高是h，宽是w，则上边界的矩形邻域的四个点的坐标是(x₀-h/4，y₀)，(x₀-h/4，y₁)，(x₀+h/4，y₀)，(x₀+h/4，y₁)，下，左，右边界的邻域以此类推。

步骤10，把W₁和W₂的边界以加权平均的方式求平均的新的跟踪窗口W_New。假定W₁和W₂的上，下，左，右的边界分别是(up₁，down₁，left(1)，right₁)，和(up₂，down₂，left(2)，right₂)，在本发明中W_New的上，下，左，右边界分别是up₁/2+up₂/2，down₁/2+down₂/2，left₁/2+left₂/2，right₁/2+right₂/2。

步骤11，回到步骤1，进行下一次跟踪。

Claims (7)

1、一种窗口分割和重组的跟踪方法，其特征在于该方法包括以下步骤：

(1)在第一帧初始化跟踪窗口的尺寸；

(2)根据目标的颜色信息找出一个划分位置，使划分的两个子部分颜色之间的方差最大；

(3)对步骤(2)划分的子部分和原目标框分别用Mean-Shift方法进行跟踪；

(4)在步骤(3)跟踪结果的边缘部分根据颜色信息进行划分，得到近似的跟踪窗口；

(5)用加权的方法，结合步骤(3)和(4)的结果得到目标的位置；

(6)取下一帧图片，重复步骤(2)到(5)，进行跟踪。

2、根据权利要求1所述的一种窗口分割和重组的跟踪方法，其特征在于步骤(1)所述的在第一帧初始化跟踪窗口的尺寸的步骤是：

(2.1)从外部设备读入第一张图片；

(2.2)手动用外接矩形把图中要跟踪的物体框定出来；

(2.3)记录下步骤(2.2)中目标框外围四点的坐标，计算出窗口的高度及宽度，并计算它所包围的封闭区域的颜色直方图的RGB或灰度信息。

3、根据权利要求1所述的一种窗口分割和重组的跟踪方法，其特征在于步骤(2)所述的根据目标的颜色信息找出一个划分，使划分的两个子部分颜色之间的方差最大的步骤是：

(3.1)根据目标框的位置定义一个矩形的中心区域；

(3.2)在步骤(3.1)中定义的中心区域中找出一条直线来划分这个目标框区域，使划分的左右两部分或者上下两部分区域所包围的像素点之间颜色平均值的方差最大。

4、根据权利要求1所述的一种窗口分割和重组的跟踪方法，其特征在于步骤(3)所述的对步骤(2)划分的子部分及原目标框分别用Mean-Shift方法进行跟踪的步骤是：

(4.1)取下一帧的图片，目标框保持不动；

(4.2)对步骤(2)中的划分出的两部分以及原目标框这三部分分别进行Mean-Shift的跟踪，得到三个新的窗口。

5、根据权利要求1或4所述的一种窗口分割和重组的跟踪方法，其特征在于Mean-Shift算法的步骤是：

(5.1)计算当前目标区域直方图与原目标模型直方图的巴氏距离ρ₁；

(5.2)计算当前帧与上一帧的相似性权值；

(5.3)根据(2)中的权重计算现在目标中心的位置；

(5.4)计算目标区域直方图与原目标模型直方图的巴氏距离ρ₂；

(5.5)根据计算巴氏距离的差值判断是否已经达到收敛的条件，即|ρ₁-ρ₂|是否小于指定的阈值，否就回到步骤(2)继续循环，是就停止；

(5.6)将步骤(3)跟踪得到的三个新窗口组合起来，组合后的窗口W₁。

6、根据权利要求1所述的一种窗口分割和重组的跟踪方法，其特征在于步骤(4)所述的在上一次跟踪结果的边缘部分根据颜色信息进行划分，得到近似的跟踪窗口的步骤是：在步骤(3)跟踪得到窗口四条边缘的邻域内找出一条使分开的两部分区域的颜色平均值的方差最大，把新的四条边缘组成新的窗口W₂。

7、根据权利要求1所述的一种窗口分割和重组的跟踪方法，其特征在于步骤(5)所述的用加权的方法，结合步骤(3)和(4)的结果得到目标的位置的步骤是：把W₁和W₂的边界以加权平均的方式求平均得到新的跟踪窗口W_New。

Images