正在加载图片...
·356· 智能系统学报 第6卷 匹配速率的前提下,充分提高目标跟踪的准确性,并 乙如=∑∑1(x,, 用实验进行了验证 Zm=∑∑y1(xy), 1 CamShift跟踪算法 Z=∑∑xyx,. 1.1颜色概率分布 RGB颜色空间对光照亮度变化比较敏感,为了 令 减少此变化对跟踪效果的影响,CamShift算法首先 a -xy),c= 将图像从RGB颜色空间转换到HSV颜色空间. 目标长轴的方向角为 HSV颜色空间把颜色表示成色度H、饱和度S、亮度 V3个分量,由于它们相互独立,能够提高算法的 0=a(小 稳定性.再选择HSV颜色空间H分量建立目标直方 图像中目标长轴和短轴的长度可以按式(1)、 图,设{x:}=1,2,…,n为目标图像的像素坐标,目 (2)计算: 标直方图表示为网 I= /(a+c)+√B+(a-c) (1) 9a=∑8c(x)-u],u=1,2,…,m. 2 将原始图像的像素用直方图中相应像素的统计 10= a+c)+6+(a-c)7 (2) 量所代替,然后将得到的结果重新量化,就得到颜色 2 概率分布图 2 改进方法 1.2 CamShift算法 CamShift算法利用目标的颜色特征在视频图像 传统的CamShift算法在目标跟踪中有几大优 势:首先是算法计算量不大,在目标区域己知的情况 中找到运动目标所在的位置和大小,在下一帧视频 图像中,用运动目标当前的位置和大小初始化搜寻 下完全可以做到实时跟踪;其次,作为一个无参数密 窗口,重复这个过程就可以实现对目标的连续跟 度估计算法,很容易作为一个模块与其他算法集成; 踪因.对离散概率分布,其算法实现过程如下口。 另外,采用直方图建模,对边缘遮挡、目标旋转、变形 1)在颜色概率分布图中手动选取大小为S的 和背景运动不敏感网 但随之产生了一些缺点,如:无法自启动程序, 搜索窗W. 需要手确定目标区域和跟踪:对场景中颜色变化敏 2)计算零阶矩: 感和对颜色噪声干扰不能很好地免疫.对此提出了 Zm=∑∑1(x,y. 一条由粗到精的目标颜色特征提取办法:首先通过 计算x和y的一阶矩: 差分累计图像背景得到目标的大致位置区域和初始 Z。=∑∑x(x,y, 掩膜,随后再累计这些初始掩膜,得到完整而可靠的 目标颜色特征描述.并结合后序处理使程序自动启 Z1=∑∑x,W. 动,无需人工干预.这大大提高了CamShif近算法的 式中:I(x,y)是坐标为(x,y)的像素值,x和y的变 精度、稳健度和实用性回」 化范围为搜索窗的范围. 2.1累积背景图像差分并二值化掩膜 3)计算搜索窗的质心为(x,y): 由于系统在室外日光下拍摄,图像带有大量随 x。=Z1o/Zmye=Zo1/Zm 机噪声,为了提高信噪比,利用目标出现前的多帧图 4)调整窗口的中心到质心位置. 像构造均值背景.目标的特征掩膜提取分为4 步00 5)在新的窗口中重复2)~4)直到收敛(质心 变化小于给定的阈值). 1)图像在采集过程中会带入大量随机噪声,假 零阶矩反映了目标在图像中的面积,颜色概率 定这些噪声是非相关的,那么就可以利用多帧图像 构造均值背景,通过相同条件下拍摄的多帧图像取 分布图是最大值为255的离散的灰度图像,由此,设 平均而降低和消除噪声,该方法有效提高了图像信 置搜索窗的大小S和Z的关系为 噪比,并从累积的帧差信息中构建出完整、可靠的背 S=2√Z0/256. 景区域,所用公式如式(3): 考虑对称性,S取接近计算结果的奇数: N- 通过计算二阶矩,可得到被跟踪目标的长轴、短 Back(x,y)= ∑fx) N (3) 轴和方向角.二阶矩为 2)通过将当前图像帧和累积均值背景模型进匹配速率的前提下,充分提高目标跟踪的准确性,并 用实验进行了验证. 1 CamShift 跟踪算法 1. 1 颜色概率分布 RGB 颜色空间对光照亮度变化比较敏感,为了 减少此变化对跟踪效果的影响,CamShift 算法首先 将图像从 RGB 颜色空间转 换 到 HSV 颜 色 空 间. HSV 颜色空间把颜色表示成色度 H、饱和度 S、亮度 V 3 个分量,由于它们相互独立,能够提高算法的 稳定性. 再选择 HSV 颜色空间 H 分量建立目标直方 图,设{ xi} = 1,2,…,n 为目标图像的像素坐标,目 标直方图表示为[4] qu = ∑ n i = 1 δ[c( xi ) - u],u = 1,2,…,m. 将原始图像的像素用直方图中相应像素的统计 量所代替,然后将得到的结果重新量化,就得到颜色 概率分布图. 1. 2 CamShift 算法 CamShift 算法利用目标的颜色特征在视频图像 中找到运动目标所在的位置和大小,在下一帧视频 图像中,用运动目标当前的位置和大小初始化搜寻 窗口,重复这个过程就可以实现对目标的连续跟 踪[6]. 对离散概率分布,其算法实现过程如下[7]. 1) 在颜色概率分布图中手动选取大小为 S 的 搜索窗 W. 2) 计算零阶矩: Z00 = ∑x ∑y I( x,y) . 计算 x 和 y 的一阶矩: Z10 = ∑x ∑y xI( x,y) , Z01 = ∑x ∑y yI( x,y) . 式中: I( x,y) 是坐标为( x,y) 的像素值,x 和 y 的变 化范围为搜索窗的范围. 3) 计算搜索窗的质心为( xc,yc) : xc = Z10 /Z00,yc = Z01 /Z00 . 4) 调整窗口的中心到质心位置. 5) 在新的窗口中重复 2) ~ 4) 直到收敛( 质心 变化小于给定的阈值) . 零阶矩反映了目标在图像中的面积,颜色概率 分布图是最大值为 255 的离散的灰度图像,由此,设 置搜索窗的大小 S 和 Z00的关系为 S = 2 Z00 槡 /256. 考虑对称性,S 取接近计算结果的奇数. 通过计算二阶矩,可得到被跟踪目标的长轴、短 轴和方向角. 二阶矩为 Z20 = ∑x ∑y x 2 I( x,y) , Z02 = ∑x ∑y y 2 I( x,y) , Z11 = ∑x ∑y xyI( x,y) . 令 a = Z20 Z00 - x 2 c,b = 2( Z11 Z00 - xcyc) ,c = Z02 Z00 - y 2 c . 目标长轴的方向角为 θ = 1 2 tan2 b ( ) a - c . 图像中目标长轴和短轴的长度可以按式( 1) 、 ( 2) 计算: l = ( a + c) + b 2 槡 + ( a - c) 2 槡 2 , ( 1) w = ( a + c) + b 2 槡 + ( a - c) 2 槡 2 . ( 2) 2 改进方法 传统的 CamShift 算法在目标跟踪中有几大优 势: 首先是算法计算量不大,在目标区域已知的情况 下完全可以做到实时跟踪; 其次,作为一个无参数密 度估计算法,很容易作为一个模块与其他算法集成; 另外,采用直方图建模,对边缘遮挡、目标旋转、变形 和背景运动不敏感[8]. 但随之产生了一些缺点,如: 无法自启动程序, 需要手确定目标区域和跟踪; 对场景中颜色变化敏 感和对颜色噪声干扰不能很好地免疫. 对此提出了 一条由粗到精的目标颜色特征提取办法: 首先通过 差分累计图像背景得到目标的大致位置区域和初始 掩膜,随后再累计这些初始掩膜,得到完整而可靠的 目标颜色特征描述. 并结合后序处理使程序自动启 动,无需人工干预. 这大大提高了 CamShift 算法的 精度、稳健度和实用性[9]. 2. 1 累积背景图像差分并二值化掩膜 由于系统在室外日光下拍摄,图像带有大量随 机噪声,为了提高信噪比,利用目标出现前的多帧图 像构 造 均 值 背 景. 目标的特征掩膜提取分为 4 步[10]. 1) 图像在采集过程中会带入大量随机噪声,假 定这些噪声是非相关的,那么就可以利用多帧图像 构造均值背景,通过相同条件下拍摄的多帧图像取 平均而降低和消除噪声,该方法有效提高了图像信 噪比,并从累积的帧差信息中构建出完整、可靠的背 景区域,所用公式如式( 3) : Back( x,y) = 1 N∑ N-1 i = 0 fi ( x,y) . ( 3) 2) 通过将当前图像帧和累积均值背景模型进 ·356· 智 能 系 统 学 报 第 6 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有