[发明专利]适用于夜间场景下的基于特征融合的自适应目标跟踪方法

说明书

技术领域

本发明涉及视频监控与模式识别技术领域，特别涉及一种通用的视觉目标跟踪方 法。

背景技术

在视频监控与模式识别领域中，有许多需要在夜间场景下对目标进行跟踪，之前 的方法更多的是利用单一特征进行跟踪，由于在夜间场景下，单特征肯定会存在不稳定的 情况，使得其在此种情况下很容易发生跟踪失败。

发明内容

本发明的目的是提出一种能解决夜间场景下的目标跟踪问题的适用于夜间场景 下的基于特征融合的自适应目标跟踪方法。

本发明包括以下步骤：

1）利用帧差法求得目标区域的前景图像，并分别求目标区域的HOG、LBP和颜色直方图 特征，再将三种特征按相同权值进行合并，建立初始化特征模型；

2）利用粒子滤波的跟踪算法对目标进行初始化跟踪，跟踪数帧；选取粒子滤波初始化 跟踪中的有效帧，建立目标的特征空间；

3）对于新的一帧，利用IPCA，计算当前帧中图像各特征和目标特征空间的主成分的差 异，根据差异的大小，确定每个特征在当前帧的不变性强度；

4）通过各特征不变性的强弱调整权值，更新特征模型，并完成跟踪；

5）利用IPCA，自适应的更新目标的特征空间；

6）回到步骤4）进行下一帧的跟踪。

本发明主要通过多特征融合的方法，对多种特征进行分析，寻找并强化具有强不 变性的特征，使其主导跟踪，防止目标因周围干扰产生“漂移”而导致跟踪失败。

本发明与目前国内外发表的最新的方法相比具有几个明显优点：1）利用目标特征 不变性进行跟踪，可以很大程度上解决目标丢失问题，特别适用于夜间跟踪。2）通过自适应 的方法对特征空间进行更新，可以防止跟踪中漂移问题的发生，适合长时间的跟踪。3）该方 法可以达到实时的速度，具有实用价值。

本发明优先解决了夜间场景下的目标跟踪问题。

附图说明

图1为本发明的技术流程图。

具体实施方式

本发明的思想要点是：1）计算目标的各特征的不变性，选取不变性强的特征来主 导目标的跟踪过程，使得目标在跟踪过程中不容易丢失。2）利用IPCA方法实现自适应的对 目标特征空间的更新，保证目标不会因为形变或相似干扰而跟丢。3）IPCA在提取主要特征 的同时，可以实现实时的更新，满足跟踪的实时性要求，使得算法可以进行实时跟踪。

本发明的整个技术方案流程如附图1所示，下面对发明中所涉及到的技术细节予 以说明。

1.利用帧差法求得目标区域的前景图像。分别求目标区域的HOG、LBP和颜色直方 图特征，并将三种特征按相同权值进行合并，建立初始化特征模型。

首先，通过帧差法计算帧间的目标区域的变化，得到运动前景图像。

之后，分别计算目标区域的HOG，LBP和颜色直方图特征。目标区域的HOG是沿用 Dalal的方法（N.DalalandB.Triggs,“Histogramsoforientedgradientsfor humandetection,”inComputerVisionandPatternRecognition,vol.1,pp. 886–893,IEEE,2005.）。LBP特征则采用3bit的LBP特征，用来计算像素点周围8个点和像 素点本身之间的大小区别，形成一个3bit的值。颜色直方图特征则采用HSV颜色表达，将H通 道分成8个bin，同时删除其中S通道值过小的像素，即像素值过暗的点，因为在实际跟踪过 程中，由于光照变化，过暗的点对目标跟踪的意义并不是很大，特别是在夜间跟踪中。

在得到三种特征之后，利用下式，将三种特征融合，形成目标的完整的特征模型。

f_i表示第i种目标子特征，这里n=3，即只用了HOG、LBP和颜色直方图三种子特征。

2.利用粒子滤波的跟踪算法对目标进行初始化跟踪，跟踪数帧；选取粒子滤波初 始化跟踪中的有效帧，建立目标的特征空间。

对于最初始几帧，由于目标的特征空间尚未建立，因而不能直接开始更新目标的 特征模型。所以，本发明采用粒子滤波的方法，对目标进行初始化跟踪，利用得到的跟踪结 果建立初始化的目标特征空间。