基於紋理特徵的暗環境視頻目標實時跟蹤方法
2023-06-29 03:01:11 2
基於紋理特徵的暗環境視頻目標實時跟蹤方法
【專利摘要】本發明公開了一種基於紋理特徵的暗環境視頻目標實時跟蹤方法。以多尺度矩形濾波器作為信號採樣矩陣，以稀疏隨機高斯矩陣作為壓縮感知矩陣，藉助向量積分圖算法可快速提取樣本特徵；向量積分圖步驟採用裁剪模版方法有效減少冗餘計算。本發明利用旋轉不變模式ULBP算子提取特徵，適用於黑夜、井下光照條件差，目標可能發生旋轉、形變的目標跟蹤，識別率高，為目標跟蹤提供了可靠的結果。
【專利說明】基於紋理特徵的暗環境視頻目標實時跟蹤方法
【技術領域】
[0001] 本發明涉及一種基於紋理特徵的暗環境視頻目標實時跟蹤方法，屬於圖像模式識 別【技術領域】。
【背景技術】
[0002] 計算機視覺目標跟蹤領域普遍採用檢測式跟蹤架構，該架構通過生成少量的正負 樣本在線訓練分類器，將跟蹤任務轉化為檢測任務。這是因為目標檢測領域取得了重大進 展，分類器技術也被大量研究並不斷取得進步，有效保證了跟蹤的成功率。檢測任務需要 對採集到的樣本進行特徵提取，以反映樣本的特點，便能夠進行樣本分類和判別，傳統的特 徵提取方法需要依賴經驗進行構造，K. H. Zhang等提出一種基於壓縮感知的特徵提取方法 (Compressive Tracking)，通過將廣義Haar特徵與一系列多尺度濾波器卷積以保證特徵 的多尺度性質，再利用隨機稀疏高斯矩陣對特徵進行降維以保證跟蹤的實時效果。但廣義 Haar特徵存在對光照亮度、目標旋轉敏感的特性，本發明使用旋轉不變模式ULBP算子改進 特徵提取的流程，在保證實時性和穩定性的基礎上，令目標跟蹤算法能夠適應低照度、目標 旋轉、光照變化等各類容易引起目標丟失的場景。
【發明內容】
[0003] 為了克服現有跟蹤算法不能處理極端照度場景中目標跟蹤的問題。本發明提出了 一種適合井下、夜間等特殊環境的基於紋理特徵的目標實時跟蹤方法，該方法利用旋轉不 變模式ULBP算子進行紋理特徵提取，使提取後的特徵包含了豐富的樣本的紋理信息，利用 紋理信息對光照不敏感的特性，使跟蹤系統能夠在昏暗環境中達到較高跟蹤成功率。
[0004] 本發明公開了一種基於紋理特徵的暗環境視頻目標實時跟蹤方法，包括初始化階 段和目標跟蹤階段，所述初始化階段包括以下步驟：
[0005] 1)在初始化時計算稀疏採樣矩陣Θ :
[0006] a)計算信號採樣矩陣Φ ;
[0007] b)計算稀疏感知矩陣Ψ ;
[0008] c)計算稀疏採樣矩陣Θ，其中Θ = Ψ · Φ ;
[0009] 2)創建一個由50個貝葉斯分類器級聯而成的二分類樸素貝葉斯分類器H(x)， 每一個弱分類器hjx。）都是基於表示正標籤y = 0和負標籤y = 1的兩個正態分布 Pixc
【權利要求】
1. 一種基於紋理特徵的暗環境視頻目標實時跟蹤方法，其特徵在於，包括初始化階段 和目標跟蹤階段，所述初始化階段包括以下步驟： 1) 在初始化時，計算稀疏採樣矩陣Θ: a) 計算信號採樣矩陣Φ; b) 計算稀疏感知矩陣Ψ; c) 計算稀疏採樣矩陣Θ，其中Θ=Ψ·Φ; 2) 創建一個由50個貝葉斯分類器級聯而成的二分類樸素貝葉斯分類器H(X)， 每一個弱分類器匕〇〇都是基於表示正標籤y= 1和負標籤y= 0的兩個正態分布 P(Xcly)^y/?^σ6 ，其中（μΜ，％,。）表示標籤為y的第C維特徵對應的弱分類器 的正態判別曲線的參數值； 所述目標跟蹤階段包括以下步驟： 1) 對視頻的第k幀進行目標探測 a) 以第k-Ι幀跟蹤到的目標CV1為中心進行候選樣本採集，在第k幀內採集到nv個歐 氏距離滿足Zy =卩I0 <11z-OmIPSr；}的候選樣本； b) 計算包含全部候選樣本的最小矩形區域Uz(zezv)，對該矩形區域圖像片依次進行 灰度化、旋轉不變模式ULBP編碼、向量積分，最終得到向量積分圖I; c) 以稀疏採樣矩陣〇中的非零元素的對角線為標尺，用對角線減法從向量積分圖I中 提取每個候選樣本的壓縮編碼特徵值z-x(zeZv); d) 將各個候選樣本的壓縮編碼特徵值&輸入第k-1幀訓練好的樸素貝葉斯分類器，對 每個候選樣本的特徵進行分類，並計算分類得分4 -1) = -D，分類得分最大 C=I 的&對應的第r個樣本即是第k幀跟蹤到的目標Ok ; 2) 第k幀的分類器更新 a) 以第k幀跟蹤到的目標Ok為中心進行正負樣本採集，在第k幀內採集到Ii1個歐氏 距離滿足Z1 =Iz|0 <I|Z-〇k|I12Sr1I的正樣本，在第k幀內採集到Iitl個歐氏距離滿足 z0 ={zIsllSr。+}的負樣本； b) 計算包含全部正負樣本的最小矩形區域Uz(zeZlUzQ)，對該矩形區域圖像片依次進 行灰度化、旋轉不變模式ULBP編碼、向量積分，最終得到向量積分圖I; c) 以稀疏採樣矩陣〇中的非零元素的對角線為標尺，用對角線減法從向量積分圖I中 提取每個正負樣本的壓縮編碼特徵值z-x(zeZ1Uztl); d) 對分類器進行更新 \σ'γ,α^ [(1 _ +^Xy,c+ ^(1 ~ c ~ EXy,cf f2 其中=丄分別是為正樣本（y=D和負樣 nyr=lγr~ 本（y= 〇)的均值和方差。
2. 根據權利要求1所述的一種基於紋理特徵的暗環境視頻目標實時跟蹤方法，其特徵 在於，所述目標跟蹤階段由灰度圖IgMy到均勻模式ULBP編碼圖Ikimp編碼方法為： 1)待處理像素點作為中心像素點，其灰度值gci與距離為R的P個像素點gierp的灰 度值的差值進行二值化，並連接成一個P位的二進位數，該二進位數中〇?1或1?〇的跳 變次數U若不大於2,則以元素1的個數，作為該待處理像素點的均勻模式ULBP編碼，其中
3. 根據權利要求1所述的一種基於紋理特徵的暗環境視頻目標實時跟蹤方法，其特徵 在於，所述目標跟蹤階段由均勻模式ULBP編碼圖Ikimp到向量積分圖I的積分方法包括以 下步驟： 1) 直方圖統計，構造對應〇?8的9維直方圖統計各個編碼出現次數； 2) 縱向累加，其步驟為 a) 對H進行按列展平，展平後得到一維列向量V。； b) 對V。進行累加，得到的累加一維列向量滿足⑵=+# ; c) 對V2c進行按列折斷，得到與H大小相等的圖像，計為Hi ; 3) 橫向累加，其步驟為 a) 對Hi進行按行展平，展平後得到一維行向量Vk ; b) 對Vk進行累加，得到的累加一維列向量滿足〇 ° ; c) 對νΣΚ進行按列折斷，得到與H大小相等的圖像，計為Hii ; Hii即為處理後的圖像I，H內任意子矩陣的統計直方圖均可由Hii進行對角線減法求 得。
【文檔編號】G06K9/62GK104463192SQ201410610358
【公開日】2015年3月25日 申請日期:2014年11月4日 優先權日:2014年11月4日
【發明者】孫繼平, 杜東璧 申請人:中國礦業大學(北京)