[发明专利]基于Grabcut及LBP跟踪质心矫正模型的Camshift算法

权利要求书

1.基于Grabcut及LBP跟踪质心矫正模型的Camshift方法，其特征是包括以下步骤：

(S01)：选定目标物体，提取目标物体实时图像的RGB三通道均值，计算后得到增强系数Z对跟踪视频当前帧图像进行增强；

(S02)：加入Grabcut前景分割将目标物体分离出来，单独对目标物体进行框选，得到目标物体纯净的颜色直方图；

(S03)：开始执行Camshift跟踪算法并通过Kalman滤波器辅助跟踪；

(S04)：对当前标记框内图像进行LBP处理，并待标记框稳定后，长度和宽度变化范围在第一帧长宽0.2倍大小之内，提取稳定后的第三帧框内图片作为跟踪目标的模板，并得到对应的LBP直方图数据；

(S05)：通过对模板以及当前框内LBP直方图数据比对，得到判别系数a，若a为0且框体变大，长度和宽度大于稳定条件下长宽的1.2倍，则表明当前框内LBP纹理与模板有较大出入，认为有相近色物体遮挡，此时执行质心矫正步骤(S06)；若不满足此条件则表明当前框内LBP纹理与模板近似相等，目标无遮挡，跟踪正常进行，程序转入步骤(S03)；

(S06)：利用S-Grabcut算法得到目标未被相近色物体覆盖的区域，计算出未被相近色物体覆盖的区域质心，将其定义为下一帧Camshift迭代的目标质心，然后程序转入步骤(S03)。

2.根据权利要求1所述的基于Grabcut及LBP跟踪质心矫正模型的Camshift方法，其特征是步骤(S01)所述的增强方法是首先提取目标物体实时图像的RGB三通道均值，计算后得到增强系数Z对跟踪视频当前帧图像进行增强，通过增强系数来增加目标物体与背景的对比度，计算公式如下：

R_(i，j)＝Z*r_(i，j)

G_(i，j)＝Z*g_(i，j)

B_(i，j)＝Z*b_(i，j)

i≤W

j≤H

其中，Z代表增强系数，r1，g1，b1代表目标物体RGB三通道分量均值，W与H分别代表整体图片的宽高，r(i,j)，g(i,j)，b(i,j)分别代表原始图像对应点的灰度值。

3.根据权利要求1所述的基于Grabcut及LBP跟踪质心矫正模型的Camshift方法，其特征是步骤(S02)所述的Grabcut前景分割是引入GMM模型，在之前增强的基础上人工先给定一定区域的目标或者背景，然后执行分割；得到目标物体再提取颜色直方图。

4.根据权利要求1所述的基于Grabcut及LBP跟踪质心矫正模型的Camshift方法，其特征是步骤(S03)所述的Kalman滤波器辅助Camshift跟踪算法是针对Camshift跟踪容易丢失目标问题，加入了Kalman滤波来预测下一个可能存在的位置，对Camshift形成标记框的运动轨迹进行预测，跟踪丢失的几率降低。

5.根据权利要求1所述的基于Grabcut及LBP跟踪质心矫正模型的Camshift方法，其特征是步骤(S05)所述的判别系数a的计算方法如下：

B_max＝Max(B_0i)

Δb_i＝|B_0i-B_ni|

i≤N

其中，N代表bin的个数，i代表第几个bin，B代表对应bin的数值，a为判决系数，B_0i代表第i帧图像框选LBP直方图第0个bin对应的数值；B_max代表所有帧图像框选LBP直方图第0个bin对应的数值的最大值。

6.根据权利要求1所述的基于Grabcut及LBP跟踪质心矫正模型的Camshift方法，其特征是步骤(S06)所述的S-Grabcut算法是通过Surf得到模板与当前框选图像的匹配特征点，而后将匹配点连接成曲线，然后Grabcut根据这些曲线定义目标未重叠区域为前景进行分割，进而得到其质心。