[发明专利]基于边缘信息和均值移位的灰度目标跟踪算法

权利要求书

1.一种基于边缘信息和均值移位的灰度目标跟踪算法，其特征在于：包括如下步骤：本发明不涉及目标检测部分，在初始帧图像中，已经确定了目标区域的大小和位置，为一个包含目标像素的最小矩形框；将当前帧目标图像定义为第k帧图像，则前一帧图像为k-1帧图像；

步骤1、对初始帧及后续的每一帧灰度目标图像进行预处理，包括对图像的去噪、增强及微分算子滤波等处理；

步骤2、在预处理后的初始帧图像中，提取目标的边缘信息作为特征模版；

步骤3、在第k-1帧跟踪结束后，通过Kalman滤波器预测第k帧目标的起始搜索位置，

步骤4、用均值移位跟踪算法在Kalman滤波器预测的目标起始位置附近搜索得到第k帧中目标的最优位置；

步骤5、每隔固定周期，结合Canny算子对目标模版进行更新。

2.根据权利要求1所述基于边缘信息和均值移位的灰度目标跟踪算法，其特征在于：

该步骤1中，对灰度目标图像进行预处理过程，依次进行以下操作：

图像去噪：根据目标图像情况选择是否对图像进行去除噪声，可以选择3×3窗算术平均平滑处理或者中值滤波；

图像增强：采用直方图对比度增强方法，增加目标与背景的对比度；

微分算子滤波：用一阶Sobel算子图像分别进行x方向和y方向滤波，x方向的滤波器掩模为 y方向的滤波器掩模为 可以得到两个方向上滤波后的灰度图象。

3.根据权利要求1所述基于边缘信息和均值移位的灰度目标跟踪算法，其特征在于：

该步骤2中，对预处理后的初始帧图象进一步处理，可以提取目标模版的特征空间：

将预处理后得到的2帧x方向滤波图像和1帧y方向滤波图像，分别作为彩色图像的RGB三个通道图像，合成一幅RGB彩色图像。将得到的RGB图像变换为HSV图像，并提取其H通道图像，取H通道值在[0，180]之间的像素，超出此范围值的像素不计入在内。将 该H色度通道作为目标的特征空间，将其量化为m个特征值，量化间隔越小，目标特征描述精度越高，m可取为30，此时特征空间的量化间隔为6。

目标模型的描述方法：在初始帧的目标窗口中，设目标模型的像素集合为{x_i}_i＝1...n，中心在x_c，取m＝30，定义函数b(x_i)：R²→{1...m}，用于表示像素x_i的量化特征值。核函数选取Epanechnikov核函数，设k(x)为其剖面函数，为

目标模型的量化特征的概率密度分布可以描述为

其中δ为Kronecker Delta函数，u＝1，2，...，m为不同的特征值，h是核窗口带宽(取为目标窗口长和宽的一半)，C_q是归一化常数，有

对于当前帧内的候选目标，也可以采用同样的方法进行描述。设其像素集合为{x_i}_i＝1...n，中心在y，那么它的量化特征概率密度分布可描述为

其中C_p为归一化常数，且

需要注意的是，上述的x_c、y以及{x_i}_i＝1...n均指像素在目标区域中的坐标位置。