CN102592288A - 一种光照环境变化情况下的行人目标匹配跟踪方法 - Google Patents

Abstract

本发明方法提出了一种光照环境变化情况下的行人目标匹配跟踪方法，该方法具体按照如下步骤实施：确定目标的特征范围；基于Retinex原理提取目标区域的反射分量；进行目标区域的颜色传递校正；进行目标基准模板与待匹配目标的特征提取；计算待匹配目标与目标基准的特征相似距离；最后进行行人目标的匹配跟踪判断。本发明的方法，根据Retinex原理，并进行颜色传递校正，降低光照环境变化对目标颜色特征的影响；将行人目标分为上半身与下半身求其颜色特征，以降低行人行走时姿态变化对目标颜色特征的影响；通过对多个特征的加权融合匹配，提高光照强度变化环境时行人目标匹配跟踪的准确性。

Description

一种光照环境变化情况下的行人目标匹配跟踪方法

技术领域

本发明属视频监控技术领域，涉及一种光照环境变化情况下的行人目标匹配跟踪方法。

背景技术

运动目标跟踪是智能监控系统最重要的组成部分，然而，现有技术当光照强度变化环境情况下，很难对运动目标进行正确的匹配跟踪。

对于摄像机固定模式下，光照强度变化环境时的行人目标匹配跟踪方法，一般大多采用提取光照不变量因子来实现。但是，当光照环境复杂，光照不变因子的提取，大多是建立在近似模型描述基础上的，因此，在光照强度变化较大时，特别对着装为花色较为复杂的行人目标，由于其颜色分布的特性的影响很大，所以很难保证行人目标跟踪匹配的正确性。

发明内容

本发明的目的在于提供一种光照环境变化情况下的行人目标匹配跟踪方法，解决提高现有技术在光照环境复杂，强度变化较大时行人目标匹配跟踪准确度的问题。

本发明采用的技术方案是，一种光照环境变化情况下的行人目标匹配跟踪方法，该方法具体按照如下步骤实施：

步骤1、确定目标的特征范围

在提取目标物特征信息时，只选择行人目标的头部以下的主躯干部分，同时，由于目标在行走过程中腿部姿势变化比较大，将主躯干部分再细分为上半身和下半身两个部分，

假设所提取行人目标的外接矩形左上角和右下角坐标分别为(0，0)和(W，H)，则外接矩形的宽和高分别为W和H，取人头以下的主躯干部分上半身的左上角坐标为(x₁，y₁)，下半身的左上角坐标为(x₂，y₂)，按照人体的结构特征进行估算：

$\left\{\begin{array}{c}{x}_1=0\\ y_1=H/5\end{array}\right.,---\left(1\right)$

$\left\{\begin{array}{c}{x}_2=0\\ y_2=3H/5\end{array}\right.,---\left(2\right)$

通过公式(1)和公式(2)，就可以得到目标物主躯干部分的划分；

步骤2、基于Retinex原理提取目标区域的反射分量

对所有目标区域，包括目标特征模板，提取其反射分量，具体方法如下：

设目标外接矩形区域为[f_k(i，j)]_W×H，其中，f_k(i，j)，k＝R，G，B分别为目标区域在坐标为(i，j)上的红色、绿色及蓝色通道的像素值，W，H分别为行人目标外接矩形的行数与列数，即i＝1，2，...，W，j＝1，2，...，H；

设其反射分量为[r_k(i，j)]_W×H，照射分量为[l_k(i，j)]_W×H，根据Retinex原理则有：

f_k(i，j)＝f_k(i，j)·l_k(i，j)，i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，(3)

在拍摄得到[f_k(i，j)]_W×H后，照射分量[l_k(i，j)]_W×H计算如下：

l_k(i，j)＝g_k(i，j)*f_k(i，j)，i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，(4)

其中，g(i，j)为环绕函数，可由下式计算：

$\left\{\begin{array}{c}g(i,j)=e^{-(i^2+j^2)/c^2}\\ \∫\∫g(i,j)\mathrm{didj}=1\end{array}\right.,i=\mathrm{1,2},...,W,j=\mathrm{1,2},...,H,k=R,G,B,---\left(5\right)$

其中，c为尺度常量，在室外环境下，其取值范围为c∈[60，90]，

则反射分量[r_k(i，j)]_W×H计算如下：

r_k(i，j)＝exp(log(f_k(i，j))-log(l_k(i，j)))，                        (6)

其中的i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B；

步骤3、进行目标区域的颜色传递校正

设按照步骤2得到的目标基准模板的信息范围内的反射分量为[r_k ^ref(i，j)]_W×H，k＝R，G，B，在后续帧中检测到的某个目标区域，设其为待匹配目标，其反射分量为[r_k ^reg(i，j)]_W×H，k＝R，G，B，对检测到的待匹配目标进行颜色传递，减小光照环境对相同目标颜色纹理的差异，具体步骤如下：

3.1)计算目标基准模板的反射量[r_k ^ref(i，j)]_W×H，k＝R，G，B的均值与标准差，同时计算待匹配目标的反射量[r_k ^reg(i，j)]_W×H，k＝R，G，B的均值与标准差：

${{\mathrm{\μ}}_k}^{\mathrm{ref}}=\frac{1}{W\×H}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{r_k}^{\mathrm{ref}}(i,j),k=R,G,B,---\left(7\right)$

${{\mathrm{\σ}}_k}^{\mathrm{ref}}=\frac{1}{W\×H}\·\sqrt{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{[{r_k}^{\mathrm{ref}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{ref}}]}^2},k=R,G,B,---\left(8\right)$

${{\mathrm{\μ}}_k}^{\mathrm{reg}}=\frac{1}{W\×H}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{r_k}^{\mathrm{reg}}(i,j),k=R,G,B,---\left(9\right)$

${{\mathrm{\σ}}_k}^{\mathrm{reg}}=\frac{1}{W\×H}\·\sqrt{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{[{r_k}^{\mathrm{reg}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{reg}}]}^2},k=R,G,B,---\left(10\right)$

3.2)对待匹配目标的反射量进行颜色传递调整如下：

${{\tilde{r}}_k}^{\mathrm{reg}}(i,j)=\frac{{{\mathrm{\σ}}_k}^{\mathrm{ref}}}{{{\mathrm{\σ}}_k}^{\mathrm{reg}}}\·[{r_k}^{\mathrm{reg}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{reg}}]+{{\mathrm{\μ}}_k}^{\mathrm{ref}},---\left(11\right)$

其中的i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B；

步骤4、进行目标基准模板与待匹配目标的特征提取

4.1)转换色系

将目标的基准模板的反射分量[r_k ^ref(i，j)]_W×H，以及经过步骤3得到的待匹配目标的经过颜色传递处理后的反射分量

转换到HSV色系，设转换后的目标基准模板为[f_k ^ref(i，j)]_W×H，k＝H，S，V，待匹配目标为[f_k ^reg(i，j)]_W×H，k＝H，S，V，

4.2)求颜色直方图

分别将目标基准模板[f_k ^ref(i，j)]_W×H和待匹配目标[f_k ^reg(i，j)]_W×H分为上半身和下半身后，将H，S，V各个分量进行N等分，之后分别求其上半身与下半身各个分量进行颜色特征矢量分别是

和

分别计算如下：

其中，N为统计颜色分布时对H，S，V的等分数，其取值范围为N∈[10，30]；

为上半身颜色分量进行N等分后，属于第i等分范围内的像素个数；为下半身颜色分量进行N等分后，属于第i等分范围内的像素个数；

步骤5、计算待匹配目标与目标基准的特征相似距离

5.1)计算H，S，V三个颜色通道的相似距离

采用Bhattacharyya相似距离度量公式计算待匹配目标上、下半身的颜色特征矢量

及

与目标基准模板上、下半身的颜色特征矢量

及

间的相似距离：

其中的

其中的

5.2)计算H，S，V三个颜色分量的加权平均相似距离

对公式(14)，(16)计算得到的三个颜色分量的Bhattacharyya相似距离量，进行加权平均计算如下：

d|_上＝α₁·d_H|_上+α₂·d_S|_上+α₃·d_V|_上，        (18)

d|_下＝α₁·d_H|_下+α₂·d_S|_下+α₃·d_V|_下，        (19)

其中，α₁，α₂，α₃分别为色度H、饱和度S和亮度V的相似度的Bhattacharyya相似距离的加权平均的权值，α₁+α₂+α₃＝1；

5.3)计算待匹配目标与目标基准模板的相似距离

对按照公式(18)和(19)计算得到的上、下半身的颜色相似距离，对其进行加权平均，求出待匹配目标与目标基准模板间的相似计算如下：

d＝β₁·d|_上+β₂·d|_下，                        (20)

其中，β₁、β₂分别为上半身、下半身相似距离的加权平均的权值，β₁+β₂＝1；

步骤6、行人目标的匹配跟踪

将当前帧图像中所有检测出的目标，均作为待匹配目标，与目标基准模板按照前面的步骤进行相似距离的计算，选择其中相似距离最小的那个待检测目标，并进行匹配判断：

如果d≤Th，则该待匹配目标与目标基准模板属于同一目标，这时，将该匹配上的待匹配目标作为新的目标基准模板，进行下一帧的匹配跟踪；

如果d＞Th，则表明该目标已走出监视视场，对该目标的匹配跟踪任务结束。

本发明的有益效果是，根据Retinex原理，并进行颜色传递校正，降低光照环境变化对目标颜色特征的影响；将行人目标分为上半身与下半身求其颜色特征，以降低行人行走时姿态变化对目标颜色特征的影响；通过对多个特征的加权融合匹配，提高光照强度变化环境时行人目标匹配跟踪的准确性。

附图说明

图1是本发明方法步骤1中的目标区域特征范围确定示意图；

图2是实施例的实际场景照片；

图3是所要跟踪的目标人物的照片局部区域；

图4是跟踪目标在有较强光照影响下的视场范围内同一目标区域照片；

图5是本发明方法与现有方法的处理效果的相似距离波动曲线对照图。

具体实施方式

下面结合具体实施方式对本发明进行详细说明。

本发明的光照环境变化情况下的行人目标匹配跟踪方法，具体按照如下步骤实施：

步骤1、确定目标的特征范围

假设拍摄得到的一帧图像中，首次检测到了某个行人目标区域，将其外接矩形作为该目标的基准模板，对后续帧中，检测出的一个或多个目标区域，与之进行相似距离的计算。为此，首先需要对检测到的所有目标区域进行目标特征范围的确定。

人在行走过程中，不同人的头部信息的相似程度很高，不便于区分，本发明在提取目标物特征信息时，只选择行人目标的头部以下的主躯干部分，同时，由于目标在行走过程中腿部姿势变化比较大，将主躯干部分再细分为上半身和下半身两个部分。

如图1所示，假设所提取行人目标的外接矩形左上角和右下角坐标分别为(0，0)和(W，H)，则外接矩形的宽和高分别为W和H，取人头以下的主躯干部分上半身的左上角坐标为(x₁，y₁)，下半身的左上角坐标为(x₂，y₂)，按照人体的结构特征进行估算：

$\left\{\begin{array}{c}{x}_1=0\\ y_1=H/5\end{array}\right.,---\left(1\right)$

$\left\{\begin{array}{c}{x}_2=0\\ y_2=3H/5\end{array}\right.,---\left(2\right)$

通过公式(1)和公式(2)，就可以得到目标物主躯干部分的划分。

步骤2、基于Retinex原理提取目标区域的反射分量

对所有目标区域，包括目标特征模板，提取其反射分量，具体方法如下：

设如图1所示的目标外接矩形区域为[f_k(i，j)]_W×H，其中，f_k(i，j)，k＝R，G，B分别为目标区域在坐标为(i，j)上的红色、绿色及蓝色通道的像素值，W，H分别为行人目标外接矩形的行数与列数，即i＝1，2，...，W，j＝1，2，...，H；

设其反射分量为[r_k(i，j)]_W×H，照射分量为[l_k(i，j)]_W×H，根据Retinex原理(注：Retinex原理在相关教材上均有详细介绍)，则有：

f_k(i，j)＝r_k(i，j)·l_k(i，j)，i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，(3)

在拍摄得到[f_k(i，j)]_W×H后，照射分量[l_k(i，j)]_W×H计算如下：

l_k(i，j)＝g_k(i，j)*f_k(i，j)，i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B， (4)

其中，g(i，j)为环绕函数，可由下式计算：

$\left\{\begin{array}{c}g(i,j)=e^{-(i^2+j^2)/c^2}\\ \∫\∫g(i,j)\mathrm{didj}=1\end{array}\right.,i=\mathrm{1,2},...,W,j=\mathrm{1,2},...,H,k=R,G,B,---\left(5\right)$

其中，c为尺度常量，在室外环境下，其取值范围为c∈[60，90]，

则反射分量[r_k(i，j)]_W×H计算如下：

r_k(i，j)＝exp(log(f_k(i，j))-log(l_k(i，j)))，           (6)

其中的i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，

步骤3、进行目标区域的颜色传递校正

设按照步骤2得到的目标基准模板的信息范围内的反射分量为[r_k ^ref(i，j)]_W×H，k＝R，G，B，在后续帧中检测到的某个目标区域，设其为待匹配目标，其反射分量为[r_k ^reg(i，j)]_W×H，k＝R，G，B，对检测到的待匹配目标进行颜色传递，减小光照环境对相同目标颜色纹理的差异，具体步骤如下：

3.1)分别计算目标基准模板的反射量[r_k ^ref(i，j)]_W×H，k＝R，G，B，和待匹配目标的反射量[r_k ^reg(i，j)]_W×H，k＝R，G，B的均值与标准差：

${{\mathrm{\μ}}_k}^{\mathrm{ref}}=\frac{1}{W\×H}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{r_k}^{\mathrm{ref}}(i,j),k=R,G,B,---\left(7\right)$

${{\mathrm{\σ}}_k}^{\mathrm{ref}}=\frac{1}{W\×H}\·\sqrt{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{[{r_k}^{\mathrm{ref}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{ref}}]}^2},k=R,G,B,---\left(8\right)$

${{\mathrm{\μ}}_k}^{\mathrm{reg}}=\frac{1}{W\×H}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{r_k}^{\mathrm{reg}}(i,j),k=R,G,B,---\left(9\right)$

${{\mathrm{\σ}}_k}^{\mathrm{reg}}=\frac{1}{W\×H}\·\sqrt{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{[{r_k}^{\mathrm{reg}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{reg}}]}^2},k=R,G,B,---\left(10\right)$

3.2)对待匹配目标的反射量进行颜色传递调整如下：

${{\tilde{r}}_k}^{\mathrm{reg}}(i,j)=\frac{{{\mathrm{\σ}}_k}^{\mathrm{ref}}}{{{\mathrm{\σ}}_k}^{\mathrm{reg}}}\·[{r_k}^{\mathrm{reg}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{reg}}]+{{\mathrm{\μ}}_k}^{\mathrm{ref}},---\left(11\right)$

其中的i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，

步骤4、进行目标基准模板与待匹配目标的特征提取

4.1)转换色系

将目标的基准模板的反射分量[r_k ^ref(i，j)]_W×H，以及经过步骤3得到的待匹配目标的经过颜色传递处理后的反射分量

转换到HSV色系(色系的转换公式在相关的教材上均有介绍)，设转换后的目标基准模板为[f_k ^ref(i，j)]_W×H，k＝H，S，V，待匹配目标为[f_k ^reg(i，j)]_W×H，k＝H，S，V，包括以下步骤：

4.2)求颜色直方图

分别将目标基准模板[f_k ^ref(i，j)]_W×H和待匹配目标[f_k ^reg(i，j)]_W×H分为上半身和下半身后，将H，S，V各个分量进行N等分，之后分别求其上半身与下半身各个分量进行颜色特征矢量分别是

和分别计算如下：

其中，N为统计颜色分布时对H，S，V的等分数，考虑到N过大会导致抗干扰能力差，N过小则无法充分表述目标特征，因此，其取值范围为N∈[10，30]；

为上半身颜色分量进行N等分后，属于第i等分范围内的像素个数；为下半身颜色分量进行N等分后，属于第i等分范围内的像素个数；

步骤5、计算待匹配目标与目标基准的特征相似距离

5.1)计算H，S，V三个颜色通道的相似距离

本发明采用Bhattacharyya相似距离度量公式计算待匹配目标上、下半身的颜色特征矢量

及

与目标基准模板上、下半身的颜色特征矢量

及

间的相似距离：

其中的

其中的

5.2)计算H，S，V三个颜色分量的加权平均相似距离

对公式(14)，(16)计算得到的三个颜色分量的Bhattacharyya相似距离量，进行加权平均计算如下：

d|_上＝α₁·d_H|_上+α₂·d_S|_上+α₃·d_V|_上，        (18)

d|_下＝α₁·d_H|_下+α₂·d_S|_下+α₃·d_V|_下，        (19)

其中，α₁，α₂，α₃分别为色度H、饱和度S和亮度V的相似度的Bhattacharyya相似距离的加权平均的权值，α₁+α₂+α₃＝1，根据H，S，V三个颜色分量受光照变化的影响程度不同，这三个权值的取值范围分别为α₁∈[0.5，0.7]、α₂∈[0.3，0.5]和α₃∈[0.1，0.2]；

5.3)计算待匹配目标与目标基准模板的相似距离

对按照公式(18)和(19)计算得到的上、下半身的颜色相似距离，对其进行加权平均，求出带匹配目标与目标基准模板间的相似计算如下：

d＝β₁·d|_上+β₂·d|_下，            (20)

其中，β₁、β₂分别为上半身、下半身相似距离的加权平均的权值，β₁+β₂＝1，根据上半身的颜色特征在姿态变化时所发生的变化较小，这两个权值的取值范围分别为β₁∈[0.6，0.7]和β₂∈[0.3，0.4]；

步骤6、行人目标的匹配跟踪

将当前帧图像中所有检测出的目标，均作为待匹配目标，与目标基准模板按照前面的步骤进行相似距离的计算，选择其中相似距离最小的那个待检测目标，并进行匹配判断：

如果d≤Th，(Th为判断阈值，为了保证匹配准确性，阈值的选取范围Th∈[0.2，0.4]，根据现场需要调试选择具体的值)，则该待匹配目标与目标基准模板属于同一目标，这时，将该匹配上的待匹配目标作为新的目标基准模板，进行下一帧的匹配跟踪。

如果d＞Th，则表明该目标已走出监视视场，对该目标的匹配跟踪任务结束。

实施例：

在如图2所示的场景中，假设穿花裙子的行人是所需要跟踪的目标。图3为从首帧中获得的目标基准模板，图4为跟踪目标在有较强光照影响下的视场范围内同一目标区域，图中给出了10个不同光线亮度条件下的跟踪目标照片截图，图5为对图4的目标用几种对比方法所得到的相似度度量距离的波动曲线。从该波动曲线可以看出，本发明方法在不同光照环境下的波动为最小。

综上所述，本发明的方法是，根据Retinex原理，获取目标区域的反射分量，降低光照环境的影响；再通过颜色传递，进一步降低光照环境对目标颜色统计特性的影响；之后将HSV色系下的行人目标多个颜色特征进行加权融合，获得抑制光照影响的目标特征；最后，根据目标特征的相似距离，对目标进行匹配跟踪。

Claims (4)

1.一种光照环境变化情况下的行人目标匹配跟踪方法，其特征在于，该方法具体按照如下步骤实施：

步骤1、确定目标的特征范围

在提取目标物特征信息时，只选择行人目标的头部以下的主躯干部分，同时，由于目标在行走过程中腿部姿势变化比较大，将主躯干部分再细分为上半身和下半身两个部分，

假设所提取行人目标的外接矩形左上角和右下角坐标分别为(0，0)和(W，H)，则外接矩形的宽和高分别为W和H，取人头以下的主躯干部分上半身的左上角坐标为(x₁，y₁)，下半身的左上角坐标为(x₂，y₂)，按照人体的结构特征进行估算：

$\left\{\begin{array}{c}{x}_1=0\\ y_1=H/5\end{array}\right.,---\left(1\right)$

$\left\{\begin{array}{c}{x}_2=0\\ y_2=3H/5\end{array}\right.,---\left(2\right)$

通过公式(1)和公式(2)，就可以得到目标物主躯干部分的划分；

步骤2、基于Retinex原理提取目标区域的反射分量

对所有目标区域，包括目标特征模板，提取其反射分量，具体方法如下：

设目标外接矩形区域为[f_k(i，j)]_W×H，其中，f_k(i，j)，k＝R，G，B分别为目标区域在坐标为(i，j)上的红色、绿色及蓝色通道的像素值，W，H分别为行人目标外接矩形的行数与列数，即i＝1，2，...，W，j＝1，2，...，H；

设其反射分量为[r_k(i，j)]_W×H，照射分量为[l_k(i，j)]_W×H，根据Retinex原理则有：

f_k(i，j)＝r_k(i，j)·l_k(i，j)，i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，  (3)在拍摄得到[f_k(i，j)]_W×H后，照射分量[l_k(i，j)]_W×H计算如下：

l_k(i，j)＝g_k(i，j)*f_k(i，j)，i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B，   (4)其中，g(i，j)为环绕函数，可由下式计算：

$\left\{\begin{array}{c}g(i,j)=e^{-(i^2+j^2)/c^2}\\ \∫\∫g(i,j)\mathrm{didj}=1\end{array}\right.,i=\mathrm{1,2},...,W,j=\mathrm{1,2},...,H,k=R,G,B,---\left(5\right)$

其中，c为尺度常量，在室外环境下，其取值范围为c∈[60，90]，

则反射分量[r_k(i，j)]_W×H计算如下：

r_k(i，j)＝exp(log(f_k(i，j))-log(l_k(i，j)))，             (6)

其中的i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B；

步骤3、进行目标区域的颜色传递校正

设按照步骤2得到的目标基准模板的信息范围内的反射分量为[r_k ^ref(i，j)]_W×H，k＝R，G，B，在后续帧中检测到的某个目标区域，将其设为待匹配目标，其反射分量为[r_k ^reg(i，j)]_W×H，k＝R，G，B，对检测到的待匹配目标进行颜色传递，减小光照环境对相同目标颜色纹理的差异，具体步骤如下：

3.1)计算目标基准模板的反射量[r_k ^ref(i，j)]_W×H，k＝R，G，B的均值与标准差，同时计算待匹配目标的反射量[r_k ^reg(i，j)]_W×H，k＝R，G，B的均值与标准差：

${{\mathrm{\μ}}_k}^{\mathrm{ref}}=\frac{1}{W\×H}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{r_k}^{\mathrm{ref}}(i,j),k=R,G,B,---\left(7\right)$

${{\mathrm{\σ}}_k}^{\mathrm{ref}}=\frac{1}{W\×H}\·\sqrt{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{[{r_k}^{\mathrm{ref}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{ref}}]}^2},k=R,G,B,---\left(8\right)$

${{\mathrm{\μ}}_k}^{\mathrm{reg}}=\frac{1}{W\×H}\·\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{r_k}^{\mathrm{reg}}(i,j),k=R,G,B,---\left(9\right)$

${{\mathrm{\σ}}_k}^{\mathrm{reg}}=\frac{1}{W\×H}\·\sqrt{\underset{i=1}{\overset{W}{\mathrm{\Σ}}}\underset{j=1}{\overset{H}{\mathrm{\Σ}}}{[{r_k}^{\mathrm{reg}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{reg}}]}^2},k=R,G,B,---\left(10\right)$

3.2)对待匹配目标的反射量进行颜色传递调整如下：

${{\tilde{r}}_k}^{\mathrm{reg}}(i,j)=\frac{{{\mathrm{\σ}}_k}^{\mathrm{ref}}}{{{\mathrm{\σ}}_k}^{\mathrm{reg}}}\·[{r_k}^{\mathrm{reg}}(i,j)-{{\mathrm{\μ}}_k}^{\mathrm{reg}}]+{{\mathrm{\μ}}_k}^{\mathrm{ref}},---\left(11\right)$

其中的i＝1，2，...，W，j＝1，2，...，H，k＝R，G，B；

步骤4、进行目标基准模板与待匹配目标的特征提取

4.1)转换色系

将目标的基准模板的反射分量[r_k ^ref(i，j)]_W×H，以及经过步骤3得到的待匹配目标的经过颜色传递处理后的反射分量转换到HSV色系，设转换后的目标基准模板为[f_k ^ref(i，j)]_W×H，k＝H，S，V，待匹配目标为[f_k ^reg(i，j)]_W×H，k＝H，S，V，

4.2)求颜色直方图

分别将目标基准模板[f_k ^ref(i，j)]_W×H和待匹配目标[f_k ^reg(i，j)]_W×H分为上半身和下半身后，将H，S，V各个分量进行N等分，之后分别求其上半身与下半身各个分量进行颜色特征矢量分别是

和

分别计算如下：

其中，N为统计颜色分布时对H，S，V的等分数，其取值范围为N∈[10，30]；

为上半身颜色分量进行N等分后，属于第i等分范围内的像素个数；为下半身颜色分量进行N等分后，属于第i等分范围内的像素个数；

步骤5、计算待匹配目标与目标基准的特征相似距离

5.1)计算H，S，V三个颜色通道的相似距离

采用Bhattacharyya相似距离度量公式计算待匹配目标上、下半身的颜色特征矢量

及

与目标基准模板上、下半身的颜色特征矢量

及

间的相似距离：

其中的

其中的

5.2)计算H，S，V三个颜色分量的加权平均相似距离

对公式(14)，(16)计算得到的三个颜色分量的Bhattacharyya相似距离量，进行加权平均计算如下：

d|_上＝α₁·d_H|_上+α₂·d_S|_上+α₃·d_V|_上，       (18)

d|_下＝α₁·d_H|_下+α₂·d_S|_下+α₃·d_V|_下，       (19)

其中，α₁，α₂，α₃分别为色度H、饱和度S和亮度V的相似度的Bhattacharyya相似距离的加权平均的权值，α₁+α₂+α₃＝1；

5.3)计算待匹配目标与目标基准模板的相似距离

对按照公式(18)和(19)计算得到的上、下半身的颜色相似距离，对其进行加权平均，求出带匹配目标与目标基准模板间的相似计算如下：

d＝β₁·d|_上+β₂·d|_下，                      (20)

其中，β₁、β₂分别为上半身、下半身相似距离的加权平均的权值，β₁+β₂＝1；

步骤6、行人目标的匹配跟踪

将当前帧图像中所有检测出的目标，均作为待匹配目标，与目标基准模板按照前面的步骤进行相似距离的计算，选择其中相似距离最小的那个待检测目标，并进行匹配判断：

如果d≤Th，则该待匹配目标与目标基准模板属于同一目标，这时，将该匹配上的待匹配目标作为新的目标基准模板，进行下一帧的匹配跟踪；

如果d＞Th，则表明该目标已走出监视视场，对该目标的匹配跟踪任务结束。

2.根据权利要求1所述的行人目标匹配跟踪方法，其特征在于，所述的步骤5.2)中，三个权值的取值范围分别为α₁∈[0.5，0.7]、α₂∈[0.3，0.5]和α₃∈[0.1，0.2]。

3.根据权利要求1所述的行人目标匹配跟踪方法，其特征在于，所述的步骤5.3)中，两个权值的取值范围分别为β₁∈[0.6，0.7]和β₂∈[0.3，0.4]。

4.根据权利要求1所述的行人目标匹配跟踪方法，其特征在于，所述的步骤6中，Th为判断阈值，阈值的选取范围Th∈[0.2，0.4]。

Images