[发明专利]一种基于光照不变特征的核循环目标跟踪方法

说明书

本发明属于图像处理目标跟踪领域，为了提高目标跟踪的准确性和鲁棒性，针对核循环跟踪结果易受光照变化影响的问题，本文提出一种基于光照不变特征的核循环目标跟踪方法。主要分为两个步骤：首先，对输入图像计算局部敏感直方图，提取光照不变特征，然后，运用核矩阵循环结构在频域中快速计算目标与模板间的响应置信图，得到跟踪目标准确位置。对不同视频序列的跟踪结果表明，本算法能很好地实现对目标的跟踪，跟踪误差较核循环跟踪算法平均降低大约24个像素点，精度提高了28％。提出的算法在光照剧烈变化及姿态调整时具有较强的鲁棒性。

技术领域

本发明属于目标跟踪算法领域，为了提高目标跟踪的准确性和鲁棒性，针对核循环跟踪结果易受光照变化影响的问题，本文提出一种基于光照不变特征的核循环目标跟踪方法。

背景技术

目标跟踪由于其在智能监控、智能驾驶、人机交互、精确制导等领域的广泛应用成为了当前最活跃的研究课题之一。

基于表观的目标跟踪由于表观信息的丰富多样性，一直以来都是目标跟踪算法领域研究的热点。表观建模方法可分为基于统计模型的表观建模、基于局部特征的表观建模和基于判别式的表观建模。

相比其它两种表观建模方法，判别式建模方法更简单有效，已经成为目标跟踪算法的研究热点。判别式表观模型将目标跟踪问题转换为一个区别目标与背景的分类问题，通过对像素点判别其属于目标还是背景，建立置信图，通过寻找置信图的峰值，确定跟踪目标。基于判别式的目标跟踪方法以循环矩阵结构进行稠密采样，通过核函数在采样的候选目标和模板之间对像素点灰度值进行相似性比较，建立置信图，然后通过寻找置信图的峰值，进行目标跟踪。循环矩阵作为桥梁把核函数与快速傅里叶变换联系在一起，利用循环矩阵的性质：两个向量的时域卷积等于频域两个向量的乘积，核函数计算在傅里叶域进行，提高了跟踪实时性，跟踪速度每秒可达几百帧。

为了实时性应用的需求，平衡跟踪的速度和精度一直是研究的重点和难点问题之一。由于原始像素点构成的的灰度信息易受噪声的影响，并且灰度随环境光照变化而剧烈改变，都将影响跟踪精度。

针对灰度易受光照变化的影响，本文提出基于光照不变特征的核循环目标跟踪算法，使目标特征更加稳定，尤其是在光照剧烈变化时跟踪算法更加鲁棒。实验结果表明，本文算法在保持较高跟踪速度的情况下，提高了跟踪准确性和鲁棒性。

发明内容

一种基于光照不变特征的核循环目标跟踪方法主要包括以下几个步骤：

A.计算图像的局部敏感直方图：由于灰度直方图不含有空间信息，基于片段的跟踪把目标分成几个区域，每一区域用局部直方图表示，局部直方图记录了图像像素周围空间的统计信息，已被证明在目标跟踪中是行之有效的。在局部直方图中，局部领域中的每个像素有同等贡献。然而，对目标跟踪，远离目标中心的像素可能包含背景信息或遮挡物体信息，应赋予更小权值，从而降低它们对直方图的贡献。因此，应计算图像的局部敏感直方图。在像素p点，局部敏感直方图可表示为:

其中α∈(0，1)是控制降低权重的参数，当一像素远离目标中心时其值下降。W是局部区域像素的总个数，D是灰度级的总数，当灰度值I_q属于灰度级d时，Q(I_q，d)的值是1,否则为0。

像素p属于灰度级d的概率为该点四邻域属于该灰度级概率乘以位置权值α，如图1所示，即：

计算时分别按x和y方向统计，其邻域灰度级概率统计迭代进行。这样计算的直方图考虑了每个像素点根据位置对p点灰度级统计的贡献。

B.提取光照不变特征：为了克服光照变化的影响，在LSH的基础上提取稠密光照不变特征(Illumination Invariant Features,IIF),其方法如下：