CN110276781A - 运动目标跟踪方法 - Google Patents

运动目标跟踪方法 Download PDF

Info

Publication number
CN110276781A
CN110276781A CN201810216108.2A CN201810216108A CN110276781A CN 110276781 A CN110276781 A CN 110276781A CN 201810216108 A CN201810216108 A CN 201810216108A CN 110276781 A CN110276781 A CN 110276781A
Authority
CN
China
Prior art keywords
target
tracking
fuzzy
histogram model
pixel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810216108.2A
Other languages
English (en)
Inventor
修春波
潘肖楠
李鸿一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Polytechnic University
Original Assignee
Tianjin Polytechnic University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Polytechnic University filed Critical Tianjin Polytechnic University
Priority to CN201810216108.2A priority Critical patent/CN110276781A/zh
Publication of CN110276781A publication Critical patent/CN110276781A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/40—Image enhancement or restoration by the use of histogram techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/251—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics

Abstract

本发明属于图像处理与目标跟踪领域，具体为一种运动目标跟踪方法。在色度论域内定义模糊色度等级，采用模糊隶属度实现目标色度的模糊等级划分，降低色度等级划分值的选取对目标模型建立结果的影响。采用模糊直方图模型对跟踪场景图像进行反向投影，建立目标概率分布图。利用Camshift方法实现目标的识别、定位与跟踪。

Description

运动目标跟踪方法
技术领域
本发明属于图像处理与目标跟踪领域，涉及一种运动目标跟踪方法，特别涉及一种基于模糊划分直方图模型的运动目标跟踪方法。
背景技术
运动目标的识别与跟踪在诸多领域有着广泛的应用。由于跟踪系统通常具有实时性的要求，因此，跟踪算法通常不能过于复杂，运算量不能过大。但过于简单的跟踪算法又难以适应复杂场景下跟踪准确性的要求。同时，在实际应用中，目标所处环境的未知性，对跟踪方法的适应性能提出了较高要求。在现有方法中，Meanshift算法由于具有运算速度快、跟踪准确性高的优点得到快速发展。为了进一步提高对目标缩放等变化的跟踪要求，在Meanshift算法基础上，通过自适应调整跟踪目标的尺度，提出了Camshift跟踪方法，其跟踪性能得到了进一步提升。
Meanshift算法、Camshift算法以及各种改进方法都是根据目标的色度(Hue)直方图模型在场景区进行反向投影实现对目标的定位与跟踪。直方图模型的准确性直接影响目标跟踪效果。现有基于Camshift的跟踪方法通常采用精确集合的分区间方式建立目标的色度直方图模型，但由于光照以及摄像参数不稳定等干扰因素的影响，同一目标的色度值在不同的帧间图像也会产生一定的漂移。当目标的色度值在直方图的划分区间进行漂移时，会造成目标直方图模型不稳定，从而造成跟踪性能严重下降。
因此，设计一种能够克服色度值漂移的运动目标跟踪方法具有很好的应用价值。
发明内容
本发明所要解决的技术问题是，为提高运动目标跟踪性能，设计一种基于模糊直方图模型的目标跟踪方法，克服色度漂移对目标跟踪的影响。
本发明所采用的技术方案是：一种运动目标跟踪方法，在色度论域内定义模糊色度等级，采用模糊隶属度实现目标色度的模糊等级划分，降低色度等级划分值的选取对目标模型建立结果的影响。采用模糊直方图模型对场景图像进行反向投影，建立目标概率分布图。利用Camshift方法实现目标的识别、定位与跟踪。
本发明的目的在于构造一种能够提高跟踪系统对跟踪场景色度漂移、光照变化等干扰的适应能力的运动目标跟踪方法，具有很好的实用性。
附图说明
图1是色度模糊等级划分图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
直方图模型具有计算量小、简单直观等特点，能够较好地描述图像目标所包含像素的颜色信息，因此，许多目标跟踪方法都选用直方图模型来描述图像目标。
普通色度直方图的色度等级的划分值对目标直方图模型的建立具有较大影响，特别当色度等级的划分值为目标区像素的主要色度值时，直方图模型极易受到色度漂移的干扰，对目标的定位和识别产生极大影响。为此，本发明采用模糊划分建立目标的色度模糊直方图。
通常选择HSV颜色空间中的H(色度)分量建立目标的直方图模型。设色度的取值为0～180°，将其划分为m个模糊等级，如图1所示，采用梯形隶属度函数。目标区中包含像素数量为s。
对于色度值hk，其隶属色度等级i的隶属度为1，隶属色度等级i-1和i+1的隶属度都不为0，而隶属于其他色度等级的值均为0。
由此建立图像目标的色度模糊直方图模型q＝{qu}，u＝1，2，...，m为：
h(xi，yi)表示像素点(xi，yi)的色度值。μu(h)表示色度值h隶属于色度等级u的隶属度，本发明中选择梯形隶属度函数。
根据所建目标的色度模糊直方图模型在跟踪场景图像中进行反向投影，可得到目标概率分布图。设跟踪场景图像中像素点(xi，yi)的色度值隶属于等级u的隶属度值最大，则该像素点的概率投影图的像素值P(xi，yi)为：
其中，为取整操作，max{}为取大函数。采用模糊直方图模型实现目标跟踪的流程如下：
Step1.建立目标区的模糊直方图模型；
Step2.利用模糊直方图模型建立跟踪场景图像的反向投影图；
Step3.采用Camshift方法实现目标的定位与跟踪；
Step4.更新目标区，返回Step1进行下一帧场景跟踪；
本发明的优点在于，对目标区的色度等级进行模糊划分，使得两个相邻色度等级之间没有明显的划分界，降低了色度等级临界值的选取对目标直方图模型建立结果的影响，从而提高了跟踪方法对色度漂移、光照变化等干扰因素的适应能力，提高了跟踪性能的鲁棒性。本发明方法在顺光、测光、逆光等光照条件下都具有良好的跟踪性能。

Claims (4)

1.一种运动目标跟踪方法，其特征在于，在色度论域内定义模糊色度等级，采用模糊隶属度实现目标色度的模糊等级划分，降低色度等级划分值的选取对目标模型建立结果的影响，采用模糊直方图模型对场景图像进行反向投影，建立目标概率分布图，利用Camshift方法实现目标的识别、定位与跟踪。
2.根据权利要求1所述的一种运动目标跟踪方法，其特征在于，采用模糊划分建立目标的色度模糊直方图，实现运动目标跟踪，目标区中包含像素数量为s，建立图像目标的色度模糊直方图模型q＝{qu}，u＝1，2，...，m为：
h(xi，yi)表示像素点(xi，yi)的色度值，μu(h)表示色度值h隶属于色度等级u的隶属度，本发明中选择梯形隶属度函数。
3.根据权利要求1所述的一种运动目标跟踪方法，其特征在于，设跟踪场景图像中像素点(xi，yi)的色度值隶属于等级u的隶属度值最大，则该像素点的概率投影图的像素值p(xi，yi)为：
其中，为取整操作，max{}为取大函数。
4.根据权利要求1所述的一种运动目标跟踪方法，其特征在于，采用模糊直方图模型实现目标跟踪的流程如下：
Step1.建立目标区的模糊直方图模型；
Step2.利用模糊直方图模型建立跟踪场景图像的反向投影图；
Step3.采用Camshift方法实现目标的定位与跟踪；
Step4.更新目标区，返回Step1进行下一帧场景跟踪。
CN201810216108.2A 2018-03-13 2018-03-13 运动目标跟踪方法 Pending CN110276781A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810216108.2A CN110276781A (zh) 2018-03-13 2018-03-13 运动目标跟踪方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810216108.2A CN110276781A (zh) 2018-03-13 2018-03-13 运动目标跟踪方法

Publications (1)

Publication Number Publication Date
CN110276781A true CN110276781A (zh) 2019-09-24

Family

ID=67957716

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810216108.2A Pending CN110276781A (zh) 2018-03-13 2018-03-13 运动目标跟踪方法

Country Status (1)

Country Link
CN (1) CN110276781A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102332165A (zh) * 2011-09-15 2012-01-25 中国科学院长春光学精密机械与物理研究所 复杂背景下动目标或弱小目标的实时鲁棒跟踪装置
CN102411368A (zh) * 2011-07-22 2012-04-11 北京大学 机器人的主动视觉人脸跟踪方法和跟踪系统
CN104463914A (zh) * 2014-12-25 2015-03-25 天津工业大学 一种改进的Camshift目标跟踪方法
US20150117706A1 (en) * 2013-10-28 2015-04-30 Ming Chuan University Visual object tracking method
CN104637038A (zh) * 2015-03-11 2015-05-20 天津工业大学 一种基于加权直方图模型的改进CamShift跟踪方法
CN105930786A (zh) * 2016-04-18 2016-09-07 西北工业大学 一种银行自助厅异常行为检测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411368A (zh) * 2011-07-22 2012-04-11 北京大学 机器人的主动视觉人脸跟踪方法和跟踪系统
CN102332165A (zh) * 2011-09-15 2012-01-25 中国科学院长春光学精密机械与物理研究所 复杂背景下动目标或弱小目标的实时鲁棒跟踪装置
US20150117706A1 (en) * 2013-10-28 2015-04-30 Ming Chuan University Visual object tracking method
CN104463914A (zh) * 2014-12-25 2015-03-25 天津工业大学 一种改进的Camshift目标跟踪方法
CN104637038A (zh) * 2015-03-11 2015-05-20 天津工业大学 一种基于加权直方图模型的改进CamShift跟踪方法
CN105930786A (zh) * 2016-04-18 2016-09-07 西北工业大学 一种银行自助厅异常行为检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
文志强 等: "一种目标跟踪中的模糊核直方图", 《高技术通讯》 *
文志强: "基于均值偏移算法的运动目标跟踪技术的研究", 《中国博士学位论文全文数据库信息科技辑》 *

Similar Documents

Publication Publication Date Title
US8139142B2 (en) Video manipulation of red, green, blue, distance (RGB-Z) data including segmentation, up-sampling, and background substitution techniques
Pfeiffer et al. Towards a Global Optimal Multi-Layer Stixel Representation of Dense 3D Data.
CN107424412A (zh) 一种交通行为分析系统
CN103162682B (zh) 基于混合现实的室内路径导航方法
CN1322474C (zh) 将多个输入图像混合为输出图像的方法
KR20020062557A (ko) 영역 분할된 영상의 영역 특징치 정합에 기초한객체추출장치 및 그 방법
US8019157B2 (en) Method of vehicle segmentation and counting for nighttime video frames
CN105608417B (zh) 交通信号灯检测方法及装置
CN102289948A (zh) 高速公路场景下一种多特征融合的多车辆视频跟踪方法
CN108198201A (zh) 一种多目标跟踪方法、终端设备及存储介质
Chen et al. Transforming a 3-d lidar point cloud into a 2-d dense depth map through a parameter self-adaptive framework
CN110390292A (zh) 基于动态关联模型的遥感视频车辆目标检测与跟踪方法
Pan et al. Seamline determination based on segmentation for urban image mosaicking
US20140133751A1 (en) Method for superpixel life cycle management
US20210209841A1 (en) Apparatus for building map using machine learning and image processing
CN104851089A (zh) 一种基于三维光场的静态场景前景分割方法和装置
CN107851308A (zh) 用于识别目标物体的系统和方法
CN106815587A (zh) 图像处理方法及装置
Wang et al. Combining semantic scene priors and haze removal for single image depth estimation
JP2011039596A (ja) 画像追尾装置、画像追尾方法、及びコンピュータプログラム
CN102043949B (zh) 一种搜索运动前景感兴趣区域的方法
Ricco et al. Video motion for every visible point
CN110276781A (zh) 运动目标跟踪方法
CN108846363A (zh) 一种基于发散式扫描的分区域车底阴影检测方法
CN116523966A (zh) 融合场景先验知识的多模态航拍视频车辆目标跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190924

WD01 Invention patent application deemed withdrawn after publication