CN102043949A - 一种搜索运动前景感兴趣区域的方法 - Google Patents

Abstract

本发明适用于视频监控领域，提供了一种搜索运动前景感兴趣区域的方法，所述方法包括：将检索到的目标感兴趣区域的形状参数映射到二维坐标平面；用粒子滤波技术在二维坐标平面上实现方差率极大值搜索找出目标感兴趣区域。本发明提供的基于方差率的感兴趣区域搜索，可以实时的、准确的找出目标感兴趣区域，为之后初始模板的建立打下良好基础，相比传统的去阴影检测算法，不仅能准确的抑制阴影，而且更能准确的提取非刚性目标感兴趣区域，解决了即使不存在阴影情况下，由于背景更新速度过快导致的“背景滞留问题”。

Description

一种搜索运动前景感兴趣区域的方法

技术领域

本发明属于安全监控领域，尤其涉及一种搜索运动前景感兴趣区域的方法。

背景技术

单目视觉跟踪系统是指：将视频跟踪算法嵌入到云台或高速球机中，实现远距离的目标跟踪和目标行为检测。具体方案是：首先，调用云台或球机的阈值位，等待运动目标出现。然后，待目标出现，利用运动检测视频算法提取目标的模版。最后，将云台或球机的运动控制和基于特征的跟踪视频算法结合实现对目标的实时跟踪，并实现运动行为分析和报警等功能。

运动目标的检测算法和跟踪算法是单目视觉跟踪系统的核心，在运动检测完成和启动跟踪算法之间的一个关键环节是如何将跟踪目标从包含运动阴影的前景运动区域中准确的分割开，以及如何处理由于背景更新速度快而形成的“尾巴”(即有部分背景被误当作运动前景，以后简称“背景滞留”)问题。以上两种情况都会导致后续的跟踪过程失败，因为目标感兴趣区域偏离了运动检测窗口的中心区域，从而造成初始化的目标模板不能正确的描述目标特征的情况。

传统的阴影检测算法因其各自的缺点而没有被广泛的接受，可根据使用特征的不同分为如下三种：一是根据特殊环境约束条件的算法，如图像投影和几何投影，二者都要求地面平直，目标垂直地面，且需要了解摄像机位置和光源知识；二是根据亮度和颜色极其形变特征的算法，如直方图方法和颜色方法，直方图方法使用象素的统计属性作为分类标准来检测阴影但对背景要求苛刻，颜色方法是在RGB、HSV等颜色空间使用多阈值分割前景、背景、阴影和高亮，但不能处理黑阴影，且亮度形变和颜色形变阈值需经验选取，且因画面内容不同而分割效果不同；三是根据二色反射模型的算法，是一种的依据照明和反射的物理模型方法，不依赖物体、背景的类型和画面的几何性，但是需要训练，计算场景中来自阴影的每个背景表面的颜色向量。

目前背景滞留问题的主要解决方式是：

(1)调整背景更新速度，尽量的减少滞留，但是滞留减少后往往会影响运动检测算法的效果。

(2)选择合适核窗来适应背景滞留带来的效果，然而需要测试大量的先验数据做准备，计算量较大。

当前的运动目标提取算法面临的共同问题是：

(1)如果被跟踪目标是非刚性物体(比如：人)，即使将运动阴影完整的去除，由于目标形变的多样性，难以确保目标的大部分感兴趣区域位于窗口中心，而建立目标初始直方图模板中使用的像素权重分配核窗基本都遵循以中心处最高，向四周逐渐递减的权重分配原则。因此在权重分配核窗固定的情况下，对非刚性运动目标建立初始模板的过程中经常会发生将部分背景像素分配较高的权重，生成的目标模板不能完美的表述目标信息，从而影响跟踪效果。

(2)背景滞留问题，由于模板更新速度快而引起的“尾巴”现象，与问题(1)产生的结果相同。

发明内容

本发明提供一种可以实时的、准确的找出目标感兴趣区域，为之后初始模板的建立打下良好基础的搜索运动前景感兴趣区域的方法。

本发明是这样实现的，一种搜索运动前景感兴趣区域的方法，所述方法包括：

将检索到的目标感兴趣区域的形状参数映射到二维坐标平面；

用粒子滤波技术在二维坐标平面上实现方差率极大值搜索找出目标感兴趣区域。

本发明提供的基于方差率的感兴趣区域搜索，可以实时的、准确的找出目标感兴趣区域，为之后初始模板的建立打下良好基础，相比传统的去阴影检测算法，不仅能准确的抑制阴影，而且更能准确的提取非刚性目标感兴趣区域，解决了即使不存在阴影情况下，由于背景更新速度过快导致的“背景滞留问题”。

附图说明

图1是本发明第一实施例提供的搜索运动前景感兴趣区域的方法的流程图；

图2是本发明第二实施例提供的搜索运动前景感兴趣区域的方法的流程图；

图3是本发明实施例提供的粒子群坐标达到稳定状态的判定准则的流程图；

图4是是本发明实施例提供的根据窗口参数确定的二维平面示意图；

图5是是本发明实施例提供的的四种阴影分布示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

图1示出了本发明第一实施例提供的搜索运动前景感兴趣区域的方法的流程图。详述如下，该方法包括：

在步骤S101中，将检索到的目标感兴趣区域的形状参数映射到二维坐标平面；

在本步骤中，窗口参数的选择可以随意设定，例如可以用窗宽和窗高来确定二维平面区域，也可以用窗宽与窗高的比例和窗口宽(或窗口高)来确定，也可以用对角线的长度和对角线与水平线夹角来确定。本方法用粒子滤波进行搜索，考虑到矩形区域比较规则，适合粒子发散，因此选择窗宽与窗高的比例和窗口宽(或窗口高)来确定二维平面区域范围。

在本步骤中，初始化粒子状态是将所有粒子的初始状态向量设为同一个值，即二维平面区域的中心位置。然后按照相同的权重进行重采样，粒子状态转移过程中的粒子传播区域设定为二维矩形平面区域对角线长度的一半为半径的圆。

在步骤S102中，用粒子滤波技术在二维坐标平面上实现方差率极大值搜索找出目标感兴趣区域。

在本步骤中，在色调通道中计算每个粒子对应窗口区域与周围环形区域的方差率大小，然后按照方差率大的粒子赋予的权重大，方差率小的赋予的权重小的原则进行权重分配，如果某粒子发散范围超出矩形区域，那么不计算该粒子处的方差率，该粒子也不参与权重分配与最优估计的计算。若落在矩形区域内的粒子数目小于60，则重新对该粒子进行状态转移，始终保证可参与计算方差率的粒子数不少于(本方法为60)。

在本步骤中，粒子群坐标达到稳定状态的判定准则是：首先将每一次计算的最优估计位置与上一次最优估计位置的欧几里德距离输入一个长度为n(本方法中取3)的缓冲队列，在缓冲队列填满后，计算队列中元素的方差和均值，若均值小于阈值a，且方差小于阈值b，则认为粒子群坐标达到稳定状态。为避免过多无意义的计算，定以一个计数变量conut，用来统计最优估计收敛的次数。若count小于10内得到稳定状态结果则输出当前的粒子群重心坐标处对应的方差率值，若没有则输出零。

在本步骤中，粒子状态转移不可避免的会遇到粒子覆盖情况，对次情况则不必重新计算重复粒子的方差率，延用前面计算过的值即可。

在本步骤中，四种阴影分布指的是目标分别位于运动检测窗口的左上、右上、左下、右下四个边界。在每一种状态下输出的方差率值，选取四组输出值最大的那一个对应的窗口参数作为最终的结果输出，若最大输出值为零则窗口不做改变。

图2示出了本发明第二实施例提供的搜索运动前景感兴趣区域的方法的流程图，详细如下：

在步骤S201中，选定目标感兴趣区域的窗口参数，按照窗口参数设定范围确定二维平面区域范围；

在步骤S202中，初始化粒子样本状态，进行粒子重采样和粒子状态转移；

在步骤S203中，在色调通道中计算每个粒子对应窗口区域的方差率，并以方差率值大小为粒子分配权重并按照权重计算粒子群的最优估计位置；

在步骤S204中，按照粒子权重大小重新进行粒子重采样和粒子状态转移；

在步骤S205中，判断粒子群最优估计位置达到稳定状态，是则继续步骤S206，否则返回步骤S203；

在步骤S206中，输出最优估计收敛位置的方差率值；

在步骤S207中，是否计算完四种阴影分布，是则继续步骤S208，否则返回步骤S202；

在步骤S208中，从四组输出中选取最大解的输出。

在本发明的实施例中，粒子群坐标达到稳定状态的判定准则是：首先将每一次计算的最优估计位置与上一次最优估计位置的欧几里德距离输入一个长度为n(本方法中取3)的缓冲队列，在缓冲队列填满后，计算队列中元素的方差和均值，若均值小于阈值a，且方差小于阈值b，则认为粒子群坐标达到稳定状态。为避免过多无意义的计算，定义一个计数变量conut，用来统计最优估计收敛的次数。若count小于10内得到稳定状态结果则输出当前的粒子群重心坐标处对应的方差率值，若没有则输出零。具体实现流程如下：

在步骤S301中，选定目标感兴趣区域的窗口参数，按照窗口参数设定范围确定二维平面区域范围；

在步骤S302中，初始化粒子样本状态，进行粒子重采样和粒子状态转移，计数变量count初始化为零；

在步骤S303中，在色调通道中计算每个粒子对应窗口区域的方差率，并以方差率值大小为粒子分配权重并按照权重计算粒子群的最优估计位置，计数变量count自加；

在步骤S304中，按照粒子权重大小重新进行粒子重采样和粒子状态转移；

在步骤S305中，判断计数变量count的值是否小于等于10，是则继续S306，否则继续S307；

在步骤S306中，判断粒子群最优估计位置达到稳定状态，是则继续步骤S308，否则返回步骤S303；

在步骤S307中，输出零，表示该过程中没有达到稳定状态；

在步骤S308中，输出最优估计收敛位置的方差率值；

在步骤S309中，是否计算完四种阴影分布，是则继续步骤S310，否则返回步骤S302；

在步骤S310中，从四组输出中选取最大解的输出。

以下结合具体实现方案多本发明做进一步的说明。

一种基于方差率的运动前景感兴趣区域搜索方法，步骤如下：

第一、选择窗宽与窗高的比值作为二维平面横轴(X轴)，窗口高度作为纵轴(Y轴)。如图4所示，x1和x2、y1和y2分别表示感兴趣区域窗口的宽高比和窗口高度的范围，可以根据实际需求设定，图4中的圆和椭圆以及矩形小块的灰度级别模拟了每个坐标(窗口参数)下对应的窗口与其周围环形区域的方差率值的大小，颜色越暗代表该范围的方差率值越大，越亮代表该范围的方差率值越小。本方法的目的就是要找出方差率的极大值处。

第二、设定粒子总数为P＝60，i取值为0～59，代表第i个粒子。计数变量count初始化为零。

初始化粒子样本状态：建立初始状态向量x₀＝(x，y)^T，x、y分别表示二维平面矩形区域中心位置的横、纵坐标。将所有粒子的初始状态向量均设为x₀，并赋以相同的权值

重采样：按照权重Pw进行重采样。

状态转移：根据状态转移公式(1)，利用收敛计数为count状态下(count初始值为零)第i个粒子分布的状态

计算出收敛计数为count++状态下的第i个粒子分布状态

公式(1)中B＝(a，b)^T为粒子传播范围向量，a、b分别为横纵坐标的传播范围，设a＝W/2、b＝H/2，W、H分别为二维平面区域矩形的宽、高。w取[-1，1]内的随机数。若粒子的位置状态漂移到平面矩形区域外，则不进行方差率计算，重新对该粒子状态转移直至漂移到矩形区域内为止。

$x_i^{\mathrm{count}++}=x_i^{\mathrm{count}}+\mathrm{Bw}---\left(1\right)$

第三、计算每个粒子对应窗口区域的方差率

将公式(2)代入公式(3)，再将(3)代入(4)计算粒子权重Pw_i。

$\mathrm{Max}\_\mathrm{VR}=\max \{\∀{\mathrm{VR}}_i^{\mathrm{count}}\},i=\mathrm{1,2,3},.....P---\left(2\right)$

$\mathrm{VR}\_C_i^{\mathrm{count}}=1-\frac{{\mathrm{VR}}_i^{\mathrm{count}}}{\mathrm{Max}\_\mathrm{VR}},i=\mathrm{1,2,3},.....P---\left(3\right)$

${\mathrm{Pw}}_i=\exp \left(\frac{-\mathrm{VR}\_C_i^{\mathrm{count}}}{2{\mathrm{\σ}}^2}\right)---\left(4\right)$

按照公式(5)计算出粒子群的最优估计位置

$x_e^{\mathrm{count}}=\frac{\underset{i=0}{\overset{P}{\mathrm{\Σ}}}{\mathrm{Pw}}_i\×x_i^{\mathrm{count}}}{\underset{i=0}{\overset{P}{\mathrm{\Σ}}}{\mathrm{Pw}}_i}---\left(5\right)$

第四，按照新分配的权重进行重采样，然后进行粒子状态转移，具体执行步骤与第二步骤相同。

第五，判断计数变量count的值，若大于10，则输出零，表示该过程中没有达到稳定状态。若小于10，则继续判断是否到达稳定状态，若到达，则输出最终结果，若没有，则返回到第三步骤中继续执行。

第六，粒子群坐标达到稳定状态的判定准则是：首先将每一次计算的最优估计位置

与上一次最优估计位置

的欧几里德距离d输入一个长度为n(本方法中取3)的缓冲队列，在缓冲队列填满后，计算队列中元素的方差和均值，若均值小于阈值a，且方差小于阈值b，则认为粒子群坐标达到稳定状态G。如式(6)，(7)所示

代表满缓冲队列中的值，1表示稳定，0表示不稳定        (6)

$d=|x_e^n-x_e^{n-1}|---\left(7\right)$

第七、四种阴影情况如图3所示。依次计算四组输出解，输出最大解，若解不为零，则将其对应的窗口尺寸作为最终搜索结果，否则不做改变。

本发明提供了一种基于方差率的运动前景感兴趣区域搜索方法，该方法的理论依据是在色调空间下，阴影与其周围背景区域的特征比较相似，因此目标搜索窗口方差率极值必定属于目标感兴趣区域，从而将寻找最合适的感兴趣窗口参数问题，转化为在窗口参数抽象出来的二维平面上搜索方差率极大值的问题。为达到搜索速度满足实时需要，应用粒子滤波技术进行搜索，可以实时的、准确的找出目标感兴趣区域，为之后初始模板的建立打下良好基础；相比传统的去阴影检测算法，不仅能准确的抑制阴影，而且更能准确的提取非刚性目标感兴趣区域；基于方差率的感兴趣区域搜索，解决了即使不存在阴影情况下，由于背景更新速度过快导致的“背景滞留问题”。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种搜索运动前景感兴趣区域的方法，其特征在于，所述方法包括：

将检索到的目标感兴趣区域的形状参数映射到二维坐标平面；

用粒子滤波技术在二维坐标平面上实现方差率极大值搜索找出目标感兴趣区域。

2.根据权利要求1所述的方法，其特征在于，所述将检索到的目标感兴趣区域的形状参数映射到二维坐标平面的实现方法为：

选定目标感兴趣区域的窗口参数，按照窗口参数设定范围确定二维平面区域范围；

初始化粒子样本状态，进行粒子重采样和粒子状态转移。

3.根据权利要求1所述的方法，其特征在于，所述用粒子滤波技术在二维坐标平面上实现方差率极大值搜索找出目标感兴趣区域的实现方法为：

在色调通道中计算每个粒子对应窗口区域的方差率，并以方差率值大小为粒子分配权重并按照权重计算粒子群的最优估计位置；

按照粒子权重大小重新进行粒子重采样和粒子状态转移，计算粒子群的最优估计位置，直至粒子群最优估计位置达到稳定状态，确定最后的粒子群最优估计收敛位置；

根据运动阴影与运动目标的位置特点，按照四种阴影分布情况计算四组最优估计收敛值，选取最好的最优估计收敛值输出。

4.根据权利要求2所述的方法，其特征在于，所述窗口参数或者用窗宽和窗高来确定二维平面区域或者用窗宽与窗高的比例和窗口高来确定或者用窗宽与窗高的比例和窗口宽来确定或者用对角线的长度和对角线与水平线夹角来确定。

5.根据权利要求2所述的方法，其特征在于，所述初始化粒子样本状态是将所有粒子的初始状态向量设为同一个值，即二维平面区域的中心位置。

6.根据权利要求3所述的方法，其特征在于，在色调通道中计算每个粒子对应窗口区域与周围区域的方差率大小，按照方差率大的粒子赋予的权重大，方差率小的赋予的权重小的原则进行权重分配；如果一个粒子发散范围超出矩形区域，那么不计算该粒子处的方差率，该粒子也不参与权重分配与最优估计的计算。

7.根据权利要求3所述的方法，其特征在于，所述粒子群坐标达到稳定状态的判定准则是：

首先将每一次计算的最优估计位置与上一次最优估计位置的欧几里德距离输入一个长度为n的缓冲队列，在缓冲队列填满后，计算队列中元素的方差和均值，若均值小于阈值a，且方差小于阈值b，则认为粒子群坐标达到稳定状态。8、根据权利要求3所述的方法，其特征在于，所述四种阴影分布指的是目标感兴趣区域分别位于运动检测窗口的左上、右上、左下、右下四个边界。

Images