一种非参数化模型的视觉跟踪方法

摘要

本发明公开了一种非参数化模型的视觉跟踪方法，该方法首先通过模式判断环节选择跟踪模式，当目标与背景有一定差异时，选择普通模式A，当目标与背景差异不明显时，选择增强模式B；然后建立自适应跟踪窗口D；对于增强模式B进行图像灰度均衡变换后再计算分割阈值T2，并进行图像分割，而对于普通模式A则直接进行分割阈值T2计算和图像分割；最后在视频图像中标记出目标，并驱动实现持续的视觉跟踪。本发明的方法不需要建立参数模型，实现方便，易于操作，而且实时性好，准确性高，自适应性好。

主权项

一种非参数化模型的视觉跟踪方法，其特征在于具有如下步骤：步骤一：通过模式判断环节选择跟踪模式，当目标与背景有一定差异时，选择普通模式A，当目标与背景差异不明显时，选择增强模式B，具体过程为：定义跟踪窗口D为二值图像中前景像素数量λ倍的正方形，λ＞2，存在跟踪窗口D平均灰度 I c = I o + ( λ - 1 ) I b λ , 故 I b = λ I c - I o λ - 1 , Ib是目标所在的背景灰度，以跟踪窗口D中心的一定邻域内像素灰度均值作为被观测的目标物体灰度Io，再将Io、Ib代入 C ob = | I o - I b | I b , 求出目标—背景的对比度Cob，当Cob＜T0时，认为目标与背景差异不明显，此时选择增强模式B，否则认为目标与背景有一定差异，此时选择普通模式A，其中T0＞20；步骤二：建立自适应跟踪窗口D，具体过程为：a、计算二值图像中跟踪窗口D的零阶矩 Z 00 = Σ x Σ y I ( x , y ) , 计算像素坐标x和y的一阶矩 Z 10 = Σ x Σ y xI ( x , y ) , Z 01 = Σ x Σ y yI ( x , y ) , 式中，I(x，y)是像素坐标为(x，y)的像素值，x和y的变化范围为跟踪窗口D的范围；b、计算跟踪窗口D的质心为C(xc，yc)，其中xc＝Z10/Z00，yc＝Z01/Z00；c、根据质心C(xc，yc)，重新计算跟踪窗口D的大小，得到新的跟踪窗口D′的边长为 d = λ Z 00 255 , d取与计算结果最接近的奇数，其中使λ取值为2.5～4；d、移动新的跟踪窗口D′中心到质心C(xc，yc)，计算新的跟踪窗口D′的质心为C′(xc′，yc′)，则质心位置的变化量ΔC＝|xc-xc′|+|yc-yc′|；e、如果ΔC＞T1，令跟踪窗口D取D′的大小和位置，重复步骤a、b、c、d；否则认为质心收敛，输出此时的跟踪窗口D的大小和位置，其中参数T1取1～3个像素单位；步骤三：对增强模式B进行图像灰度均衡变换，具体作法为：令像素p(x，y)的灰度值为h，经灰度均衡处理后灰度值hs，hs＝Temp[h]×255/Total，其中Temp[h]代表步骤二最终输出的跟踪窗口D中灰度值小于或等于h的像素的数量，Total代表步骤二最终输出的跟踪窗口D内像素总数；步骤四：计算分割阈值T2，并进行图像分割，其中计算分割阈值T2具体步骤为：(1)、取步骤二最终输出的跟踪窗口D中所有像素的灰度均值作为分割阈值T2的初始估计值T2′；(2)、用分割阈值T2′分割图像，得到两组像素区域：G1和G2，G1由所有灰度值大于T2′的像素组成，而G2由所有灰度值小于或等于T2′的像素组成；(3)、对区域G1中所有像素和G2中所有像素分别计算平均灰度值μ1和μ2；(4)、计算新的分割阈值T2″： T 2 ′ ′ = 1 2 ( μ 1 + μ 2 ) , 则分割阈值变换量ΔT＝|T2′-T2″|；(5)、如果ΔT＞T3，则令T2′＝T2″，重复步骤(2)、(3)、(4)；否则确定分割阈值T2＝T2″；其中的参数T3取1～3；步骤五：在视频图像中标记出目标，并驱动实现持续的视觉跟踪。