[发明专利]基于协方差矩阵的快速机动目标跟踪方法

说明书

技术领域

本发明涉及一种图像处理技术领域的目标跟踪方法，具体地说，是涉及一种基于协方差矩阵的快速机动目标跟踪方法。

背景技术

目标跟踪是计算机视觉领域的重要研究课题，在视频监控、协助驾驶、运动分析、人机交互等领域都有着广泛的应用。

目标跟踪经常遭遇的困难包括背景的混乱、目标被遮挡、目标尺寸变化等。目标跟踪的性能依赖于描述目标的特征模型。然而大多数跟踪算法都是利用单一特征来描述目标，如颜色、形状、纹理等。当一种特征不足以区分目标与背景的时候，单一特征在目标跟踪过程中很容易失效，尤其在复杂背景下该问题尤为突出。采用多种特征描述目标将增强特征模型的辨别能力，提高目标跟踪的稳定性。协方差矩阵在描述目标方面表现出了优异的性能。其主要优势在于可融合多维特征、实现全局搜索。该方法的具体内容请见参考文献1：Fatih Porikli，Oncel Tuzel，Peter Meer.Covariance tracking using model update based on Liealgebra.IEEE CVPR，2006.

快速机动目标运动的速度快，且速度变化较快。因此跟踪快速机动目标除了要克服背景的混乱、目标被遮挡、目标尺寸变化等难点外，还要扩大搜索窗口的范围以适应目标的快速运动。同时，搜索范围的扩大将直接导致计算量的增加，而整个应用系统除了目标跟踪还包括目标识别等其他任务，因此，分配给目标跟踪的处理时间有限。可以看出，快速机动目标跟踪方法需要具备以下特点：快速、全局搜索、能克服复杂环境。

发明内容

本发明的目的是克服快速机动目标跟踪过程中环境复杂、目标运动过快造成的目标匹配稳定度低、计算量大的问题，提供一种快速、稳定的应用于快速机动目标跟踪的有效方法。

为了实现上述目的，本发明提供了一种基于协方差矩阵的快速机动目标跟踪方法，包括：

(1)提取图像像素的几种特征

包括：R(x，y)，G(x，y)，B(x，y)三维颜色特征，各颜色分量的边缘特征E_R(x，y)，E_G(x，y)，E_B(x，y)，及像素的几何位置特征d(x，y)。

(2)随机采样

为了提高协方差矩阵的计算速度，不统计图像区域内的所有像素点，而从中随机抽取一定数量的样本，从而获得与区域大小无关的计算速度。本步骤所抽取的样本数N＝100。

(3)构造区域协方差矩阵

对于图像区域R，利用步骤(1)中所提取的七种特征，考虑随机抽取的N个样本，构造相关联的特征向量f_k，进而根据特征向量f_k计算其区域协方差矩阵C_R。协方差矩阵是一个对称矩阵，其对角线上的元素代表每个特征的方差，而非对角线上的元素代表了各个特征之间的相关性。

(4)协方差矩阵的距离度量

为了寻找与给定目标最相似的区域，需要计算目标模板与候选区域的协方差矩阵间的距离。然而，协方差矩阵不属于欧几里德空间，因此，对两个矩阵相减不能用来测量其距离。假定特征向量中没有完全相同的特征，则协方差矩阵为正定矩阵，因此由两个协方差矩阵间的广义特征值的对数平方和来计算其距离ρ。在每一帧图像，我们搜索与当前目标模板协方差矩阵距离最小的区域。这个最佳匹配位置定位了目标在当前帧的位置。

(5)遗传算法

为了克服大范围全局搜索实时性差的弊端，我们引入了遗传算法来加速搜索过程。遗传算法能利用简单的编码技术和繁殖机制来表现复杂的现象，从而可以解决非常困难的问题。而且由于它不受搜索空间限制性假设的约束，不必要求诸如单调、连续等假设，因此能以很大的概率快速找到全局最优解。本发明针对目标跟踪的特点，采用整数编码，以目标窗口与候选窗口的协方差矩阵间的距离值为适应度值，采用交叉、变异、选择、排序等遗传操作进行遗传搜索，最后输出粗匹配的最优值。

附图说明

图1为本发明的基于协方差矩阵的快速机动目标跟踪方法的流程图；

图2为本发明的基于协方差矩阵的快速机动目标跟踪方法的具体实现步骤流程图。

具体实施方式

下面结合附图和具体实施方式，对本发明的快速机动目标跟踪方法作进一步的说明。参考图1、图2，本发明的基于协方差矩阵的快速机动目标跟踪方法包含以下步骤：

步骤10、初始化目标模型，利用颜色、边缘、像素的几何位置等特征构建描述目标的协方差矩阵模型，本步骤的具体实现步骤如下：