[发明专利]一种基于灰度约束的协方差矩阵跟踪方法

说明书

技术领域

本发明属于图象检测技术领域，涉及一种可用于实时视频监控的运动目标跟踪方法。

背景技术

本发明中涉及到的背景技术有：

(1)协方差矩阵跟踪算法(见文献[1])：协方差矩阵跟踪算法对输入视频序列逐帧 找出目标区域的特征，并使用协方差矩阵对目标进行特征建模，然后根据协方差矩阵找 出最佳特征匹配区域。这种方法很好的实现了目标多特征的融合，对旋转、尺度缩放以 及亮度变化都有很强的适应性。

(2)Mean shift算法(见文献[2])：Mean shift算法是一种非参数概率密度估计 算法，一般采用直方图对目标进行建模，然后通过相似性度量Bhattacharyya系数，最 终实现目标的匹配和跟踪。其计算简单，鲁棒性较强，具有良好的实时性，被广泛应用 于运动目标的跟踪。但由于Mean shift方法中核函数直方图对目标的特征描述比较弱， 故在对灰度图像或者纹理信息较少图像的目标跟踪时，尤其是当目标和背景的颜色相近 时，不能取得理想的跟踪结果。

发明内容

本发明的目的在于克服现有技术的上述不足，提供一种高效、鲁棒的目标跟踪方法。 可以用于各种实时性要求较高的视频监控领域。

为此，本发明采用如下的技术方案：一种基于灰度约束的协方差矩阵跟踪方法，包 括下列步骤：

(1)对于视频序列的一幅图像，框选一长为M像素，宽为N像素的矩形区域作 为目标模型进行跟踪。

(2)利用下列公式计算目标模型的每个点的灰度值g_k，并计算目标模型的所有 点的灰度值的平均值，g_k＝0.2989*R_k+0.5870*G_k+0.1140*B_kk∈[1，...，MN]，其中，R_k为红色通道的值，G_k为绿色通道的值，B_k为蓝色 通道的值；

(3)提取目标模型的每个点的特征向量f_k＝[x，y，R，G，B，G_x，G_y]，并计算目 标模型的所有点的平均特征向量μ_R，其中，x，y分别代表一个像素点 的x轴和y轴坐标，R，G，B分别代表它红、绿、蓝三个通道的值。 G_x，G_y分别是它的x轴和y轴方向灰度的梯度值；

(4)计算目标模型的协方差矩阵C_R，CR=1MNΣk=1MN(fk-μR)(fk-μR)T;]]>

(5)在后继帧中，以目标模型为中心长宽各扩大后得到跟踪窗口，选取其 中任意M×N大小的区域作为候选目标，按照步骤(2)给出的方法计 算候选目标的所有点的灰度均值，检查是否满足下列灰度约束：候选 目标与目标模型的灰度值平均值之差的绝对值比上目标模型的灰度均 值小于设定阈值；