[发明专利]一种利用方差率最优解自适应调整窗宽的跟踪方法

说明书

技术领域

本发明属于安全防范视频监控领域，尤其是一种利用方差率最优解自适应调整窗宽的跟踪方法。

背景技术

目标跟踪一直是计算机视觉研究领域的热点问题，其应用领域包括视频监控、人机用户接口、虚拟现实等等。如何对视频序列中的目标进行稳健、有效的跟踪是目标跟踪的研究重点。因此，一个实用的跟踪系统要求能够实时适应复杂场景的变化并适应目标因各种运动导致的外观变化。

对于当前监控市场比较流行的双摄像头监控设备，其主要工作原理是：一个定点摄像机通过基于运动检测方法检测出运动目标，另一个云台摄像机根据定点摄像机检测出的运动目标在图像中的具体位置来实现跟踪。但是大多定点摄像机使用的是广角镜头，存在监测距离近，并且存在监控角度受限的弱点，不能充分发挥云台摄像机的功能，因此单摄像机跟踪一直是监控领域关注的热点。由于在镜头连续转动的时候，采集的图像背景是不断变化的，继续采用稳定背景的运动检测方法就不太适合了，而基于目标特征的跟踪方法可以只关注要跟踪目标的特征而不考虑背景信息，因此采用基于目标特征的跟踪方法势在必行。

Mean shift是一种寻找局部极值分布的鲁棒的统计方法。它是在一个事先分配好可能性分布的搜索窗口中进行搜索。在搜索窗范围内由一个简单的取平均运算值计算出该窗口的颜色概率分布趋势，然后将搜索窗口中心重新定位到新的重心位置并反复执行，直至找到局部极值点为止。因mean shift在特征空间搜索中所具有的高效性，近年来已较好地应用在实时目标跟踪领域中。

传统mean shift跟踪方法是一种基于颜色空间进行模式匹配的方法，当满足如下条件时该方法的跟踪效果最优：(1)目标物体主要只存在一种颜色分布；(2)目标物体的颜色是恒定的；(3)光源亮度变化比较稳定；(4)没有其他的相似物体；(5)背景颜色与目标颜色容易区分；(6)没有全遮挡情况发生。因此当背景颜色分布与目标物体颜色接近或者有相似物体接近时，方法效果就变得很敏感。针对这种弱点，国内外学者提出不同的解决方式，像Allan et al.提出的Weight histogram、Ratio histogram方法，分别通过对目标物体加核窗和对背景区域颜色进行削弱的方法来抑制外界的干扰，但是效果也并不十分显著而且伴随其他的弱点。

适应物体形变也是目前mean shift跟踪方法的难点。Mean shift方法中最原始的确定窗口大小是利用核窗宽作正负10％增量修正后的跟踪窗口进行跟踪，并选择较大Bhattacharyya系数对应的核窗宽作为最佳核窗宽。实验发现，该方法只能对尺寸逐渐缩小的目标有较好的跟踪效果。其他文献也有利用视频前后两帧中目标的角点匹配估计刚性物体的仿射模型参数，并由此来更新窗宽，但是因为依赖角点匹配，不适合非刚性物体的跟踪。还有的文献采用不对称核函数来扩展mean shift方法获得目标的大小和方向，但该方法仅适用与轮廓特征不变的目标。

通过检索，尚未发现与本专利申请相同的公开专利文件。

发明内容

本发明的目的在于克服现有技术的不足之处，提供一种利用方差率最优解自适应调整窗宽的mean shift跟踪方法，利用mean shift方法在选定最优特征空间上按照目标新权重迭代搜索，然后再用空间灰度直方图进行mean shift迭代来重新矫正目标位置，在尺寸控制上利用方差率(方差率指的是目标区域直方图与周围背景环形区域直方图的一个指标特性，其计算方式来自于文献Robert T.Collins and Yanxi Liu，“On-line Selection ofDiscriminative Tracking Features”，后面提到的方差率都是按照该计算方式得出的)约束与巴氏系数结合的方法确定目标大小，解决了利用mean shift方法进行目标跟踪中存在的窗口难以调控的难题，即使在摄像机变倍的情况下仍能准确的调整窗口大小，实现复杂环境下的有效跟踪。

本发明的目的是通过如下技术方案实现的。

一种利用方差率最优解自适应调整窗宽的mean shift跟踪方法，包括以下步骤：

(1)读取第一帧视频，选定要跟踪的目标，保存目标初始模板，依据方差率计算出第一帧的最优特征空间，并保存该当前帧最优特征空间索引号和当前帧最优特征空间的方差率值，计算新的权重分配模型并保存其对应的新权重下的直方图模板，第一帧处理完毕，读取下一帧视频；