[发明专利]一种基于均值偏移多特征融合的目标跟踪方法及装置

说明书

技术领域

本发明涉及图像处理、计算机视觉和模式识别技术领域，具体而言，涉及一种基于均值偏移多特征融合的目标跟踪方法及装置。

背景技术

运动目标跟踪是计算机视觉领域的一个重要课题，在军用视觉制导、机器人导航、安全监测、交通管制、医疗诊断、虚拟现实和战场警戒、公共安全监视、人机交互、图像压缩等诸多方面应用广泛。通常，运动目标跟踪涉及到图像处理、模式识别、人工智能以及自适应控制等多领域问题的综合解决，其中，对于复杂背景下的图像处理一直是视觉信息处理和理解的难点。

运动目标跟踪是指通过对视频流或者图像序列中的运动目标进行检测、特征提取、识别和跟踪，获得目标的运动参数，如速度、加速度、位置以及运动轨迹等，从而进行进一步处理与分析，实现运动目标的行为理解，以完成更高一级的任务。

在对运动目标特征提取时，颜色直方图信息因其具有特征稳定、抗部分遮挡、计算方法简单和计算量小等特点而被广泛采用，但是颜色直方图特征主要缺点是容易受光照、视觉和摄像机参数等因素的影响，同时也容易被复杂背景干扰，导致目标跟踪鲁棒性不强。

脉冲功率激光技术国家重点实验室的陈善静、杨华等独立研究了一种《基于二阶直方图的改进型均值偏移跟踪算法》（期刊名：《探测与控制学报》；卷号：ISSN:1008-1194/CN:61-1316/TJ；期数:2010年04期；页码:73），由于其提出的二阶直方图与颜色直方图相比不仅考虑像素点的颜色值并且考虑像素点间的空间关系，包含更丰富的目标信息，所以抗干扰性和抗拒不遮挡能力更强和受光照影响更小，一定程度上提高了目标跟踪鲁棒性，但当背景比较复杂，目标与背景颜色相似时，此时用二阶直方图特征进行跟踪就有可能偏离目标，从而导致跟踪失败。

另外，中国科学院光电技术研究所的刘素珍、邓和林研究了一种《基于颜色直方图特征和梯度直方图特征相融合的目标跟踪算法》（期刊名：《激光与红外》；文章编号：1001-5078（2008）08-0837-04；期数:2008年08期；页码:837），在该文中，其联合目标的灰度特征空间和梯度特征空间，联合特征空间中的目标模型比单一特征目标模型具有更好的鲁棒性，能有效地克服目标部分遮挡、目标和背景灰度相似等因素下的影响。但当不同目标在灰度和梯度特征空间均相似时，容易导致跟踪失败。

为此，在背景复杂下，目标与背景颜色相似时以及不同目标在灰度和梯度特征空间均表现相似时，如何提供一种既能实现运动目标的准确跟踪，又能保障目标跟踪鲁棒性的目标跟踪方法便成为了目前亟需解决的问题。

发明内容

有鉴于此，本发明提出一种将二阶梯度加权直方图和颜色直方图特征相融合的方法，并以均值偏移算法为框架实现目标跟踪的基于均值偏移多特征融合的目标跟踪方法及装置，通过本发明可以提高目标跟踪算法的准确度。

为了达到本发明的目的，本发明采用以下技术方案实现：

一种基于均值偏移多特征融合的目标跟踪方法，包括：

获取场景的视频数据，对其进行运动目标分离，得到前景目标；

提取前景目标中的二阶梯度加权直方图特征和颜色直方图特征，并基于所述二阶梯度加权直方图特征和颜色直方图特征以均值偏移算法为框架对前景目标进行运动目标跟踪。

一种优选实施方式下，获取场景的视频数据，对其进行运动目标分离以得到前景目标的处理步骤包括：

对视频数据进行颜色空间转换，对转换后的颜色空间进行图像去噪处理；

对进行了图像去噪处理后的视频数据进行目标检测处理以得到前景目标；

对所述前景目标进行数学形态学处理和联通区域标记处理。

一种更为优选实施方式下，所述目标检测处理方法包括背景差分法、帧差法、光流法或者背景建模法。

一种优选实施方式下，提取前景目标中的二阶梯度加权直方图特征和颜色直方图特征，并基于所述二阶梯度加权直方图特征和颜色直方图特征以均值偏移算法为框架对前景目标进行运动目标跟踪的处理步骤包括：

提取二阶梯度加权直方图特征；

提取颜色直方图特征；

采用以下数学式进行特征融合处理：