第5期 王杰，等：基于投影直方图匹配的双目视觉跟踪算法 .777. 式中：N为直方图的维数，H1、H2为2个计算相关性 的直方图。当2个直方图的相关大于设定的阈值 时，认为当前检测区域是目标候选区域。在所有的 候选区域集合内选择相关性最高的的区域认为是当 前帧目标所在区域。 左视觉成像平面 右视觉成像平面 在实际应用中，目标的运动或姿态的变化会引 图1极线几何结构 起目标在图像中大小或方向发生改变。在跟踪过程 Fig.1 Stucture of epipolar geometry 中需要适当地调整检测窗口的尺寸会引起投影直方 图维数的改变。在计算2个直方图的相关性之前， 需要对检测区域生成的投影直方图维数向模板对 齐，即对直方图的维数进行缩放，如式(5)所示： H=kH (5) 式中：表示维数变换后的直方图，为原始直方 (a)点 (b)极线 图，k表示直方图缩放系数。直方图拉伸效果如图4 图2极线几何示例 所示，其走势仍然保持不变。 Fig.2 The experiment of epipolar geometry 为了克服直方图毛刺对匹配精度的影响，需对 1.2基于投影直方图匹配与运动一致性约束的目 直方图进行平滑处理。 标跟踪算法 选择目标的投影直方图作为匹配特征，在图像 序列中检测目标。以运动一致性原则作为约束，引 导目标的搜索方向，加快跟踪算法运算速度。为了 确保投影直方图能有效表达目标的特征，利用多颜 色空间信息融合技术选择可最佳区分背景与目标的 E 颜色分量，以多颜色分量的投影直方图匹配目标。 1.2.1投影直方图匹配 直方图是一种常用的特征，体现了图像的能量 累计效应，可用于图像匹配[16]、图像增强[]等。投 影直方图是一种常用的直方图计算方式，反映了沿 图3投影直方图示例 一定方向上的能量累积和数据的分布特性。2个相 Fig.3 Projection histogram 互垂直方向上的投影直方图，即包含了统计信息又 体现了结构信息。与其他特征提取方式相比，投影 直方图具有原理简单、运算量小、易于维护的优点， 实用价值高。以一个人工绘制的简单模型作为演 示，如图3所示，体现了投影直方图包含统计信息和 结构信息的特点。 在每帧图像中，以当前检测区域的投影直方图 与目标模板直方图的相关性为参考准则，判断当前 检测区域是否为目标。文献[18]中，2个维数相等 (a)原始直方图 (b)直方图拉伸 图4直方图缩放示例 的直方图相关性计算如下： Fig.4 Projection histogram resizing ∑，(H,()-A)(H,()-A) y(H1,H2)= 1.2.2算法实现 √∑，(H()-A)2∑，(H,()-A) 目标的投影直方图特征是一个集合，由多个颜 (3) 色分量的投影直方图组成，每个变量的投影直方图 包括2个方向：X方向和Y方向，它们分别与矩形检 可=∑A (4) 测窗口长、宽方向平行，如图5所示。将这2个方向图 １ 极线几何结构 Ｆｉｇ．１ Ｓｔｕｃｔｕｒｅ ｏｆ ｅｐｉｐｏｌａｒ ｇｅｏｍｅｔｒｙ （ａ）点 （ｂ）极线 图 ２ 极线几何示例 Ｆｉｇ．２ Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｏｆ ｅｐｉｐｏｌａｒ ｇｅｏｍｅｔｒｙ １．２ 基于投影直方图匹配与运动一致性约束的目 标跟踪算法 选择目标的投影直方图作为匹配特征，在图像 序列中检测目标。 以运动一致性原则作为约束，引 导目标的搜索方向，加快跟踪算法运算速度。 为了 确保投影直方图能有效表达目标的特征，利用多颜 色空间信息融合技术选择可最佳区分背景与目标的 颜色分量，以多颜色分量的投影直方图匹配目标。 １．２．１ 投影直方图匹配 直方图是一种常用的特征，体现了图像的能量 累计效应，可用于图像匹配［１６］ 、图像增强［１７］ 等。 投 影直方图是一种常用的直方图计算方式，反映了沿 一定方向上的能量累积和数据的分布特性。 ２ 个相 互垂直方向上的投影直方图，即包含了统计信息又 体现了结构信息。 与其他特征提取方式相比，投影 直方图具有原理简单、运算量小、易于维护的优点， 实用价值高。 以一个人工绘制的简单模型作为演 示，如图 ３ 所示，体现了投影直方图包含统计信息和 结构信息的特点。 在每帧图像中，以当前检测区域的投影直方图 与目标模板直方图的相关性为参考准则，判断当前 检测区域是否为目标。 文献［１８］中，２ 个维数相等 的直方图相关性计算如下： γ（Ｈ１，Ｈ２） ＝ ∑ｉ （Ｈ１（ｉ） － Ｈ１）（Ｈ２（ｉ） － Ｈ２） ∑ｉ （Ｈ１（ｉ） － Ｈ１） ２∑ｉ （Ｈ２（ｉ） － Ｈ２） ２ （３） Ｈｋ ＝ １ Ｎ∑ｉ Ｈｋ（ｉ） （４） 式中：Ｎ 为直方图的维数，Ｈ１ 、Ｈ２为 ２ 个计算相关性 的直方图。 当 ２ 个直方图的相关大于设定的阈值 时，认为当前检测区域是目标候选区域。 在所有的 候选区域集合内选择相关性最高的的区域认为是当 前帧目标所在区域。 在实际应用中，目标的运动或姿态的变化会引 起目标在图像中大小或方向发生改变。 在跟踪过程 中需要适当地调整检测窗口的尺寸会引起投影直方 图维数的改变。 在计算 ２ 个直方图的相关性之前， 需要对检测区域生成的投影直方图维数向模板对 齐，即对直方图的维数进行缩放，如式（５）所示： Ｈ Ｔ ＝ ｋＨ ｏ （５） 式中：Ｈ Ｔ表示维数变换后的直方图，Ｈ ｏ为原始直方 图，ｋ 表示直方图缩放系数。 直方图拉伸效果如图 ４ 所示，其走势仍然保持不变。 为了克服直方图毛刺对匹配精度的影响，需对 直方图进行平滑处理。 图 ３ 投影直方图示例 Ｆｉｇ．３ Ｐｒｏｊｅｃｔｉｏｎ ｈｉｓｔｏｇｒａｍ （ａ）原始直方图 （ｂ）直方图拉伸 图 ４ 直方图缩放示例 Ｆｉｇ．４ Ｐｒｏｊｅｃｔｉｏｎ ｈｉｓｔｏｇｒａｍ ｒｅｓｉｚｉｎｇ １．２．２ 算法实现 目标的投影直方图特征是一个集合，由多个颜 色分量的投影直方图组成，每个变量的投影直方图 包括 ２ 个方向：Ｘ 方向和 Ｙ 方向，它们分别与矩形检 测窗口长、宽方向平行，如图 ５ 所示。 将这 ２ 个方向 第 ５ 期 王杰，等：基于投影直方图匹配的双目视觉跟踪算法 ·７７７·