針對傳統(tǒng)連續(xù)自適應(yīng)均值漂移（CAMshift）跟蹤算法在建立目標(biāo)顏色模型階段容易包含大量背景顏色信息從而使跟蹤效果變差的問題,該文提出一種改進(jìn)算法。利用混合高斯模型背景法（GMM）將原始圖像分割成前景和背景的疊加,在原始圖像和背景圖像上運(yùn)動物體所在區(qū)域分別建立色調(diào)分量直方圖,利用背景圖像的色調(diào)分量直方圖計算原始圖像中對應(yīng)色調(diào)分量的權(quán)值,抑制原始圖像中與背景顏色相同的色調(diào),擴(kuò)大前景與背景顏色的差異性。該方法通過對原始顏色模型中屬于背景的色調(diào)進(jìn)行抑制,擴(kuò)大了目標(biāo)顏色模型的顯著性,提高了跟蹤的準(zhǔn)確性和穩(wěn)定性,目標(biāo)定位的最大中心誤差小于20%,能夠準(zhǔn)確跟蹤不發(fā)生丟失。 

【文章來源】：電子與信息學(xué)報. 2019,41(06)北大核心EICSCD

【文章頁數(shù)】：8 頁

【圖文】：

為使用背景加權(quán)法改進(jìn)圖2本文算法得到反向投影圖改進(jìn)效果

形成的反向投影圖。圖2(b)為使用背景加權(quán)法改進(jìn)后的色調(diào)分量直方圖形成的反向投影圖。反向投影圖的形成就是將每個像素點(diǎn)中的像素值(色調(diào)值)用其在直方圖中的統(tǒng)計值替換，并量化到0～255的區(qū)間內(nèi)從而形成一張通過灰度值顯示的概率圖，該圖中越亮的部分屬于待跟蹤目標(biāo)的可能性越大，而后續(xù)Meanshift算法就是在這張概率圖上找到均值漂移向量的局部最優(yōu)解�？梢钥吹綀D2(a)中背景區(qū)域明亮度比較高，這是由于原始直方圖包含了大量的背景顏色信息。圖2(b)中最亮的部分為需要被跟蹤的小車，背景的灰度值明顯低于待跟蹤目標(biāo)，這樣更利于均值漂移向量往移動目標(biāo)收斂。4.2跟蹤效果測試為了驗(yàn)證本文所提基于背景加權(quán)的CAMshift跟蹤算法的有效性，選取一段無人機(jī)航拍的高速公路車輛行駛視頻作為測試視頻，該視頻圖像大小為640×480，畫面中初始被跟蹤目標(biāo)車輛大小為118×70，如圖3所示。圖4為傳統(tǒng)CAMshift算法的跟蹤效果及反向投影圖，圖5為多特征融合的跟蹤算法效果及反向投影圖，圖6為本文算法的跟蹤效果及反向投影圖。采用傳統(tǒng)CAMshift算法得到的跟蹤效果以及反向投影結(jié)果如圖4所示。傳統(tǒng)的CAMshift算法由于在建立目標(biāo)顏色特征的過程中，搜索框內(nèi)包含了大量的背景顏色信息，即建立的目標(biāo)模型是車輛和背景顏色信息的疊加。對比圖4(a1)和圖4(b1)可以發(fā)現(xiàn)跟蹤的過程中目標(biāo)的定位偏差逐漸變大，紅色搜索框逐漸向背景圖1色調(diào)分量直方圖改進(jìn)效果圖2本文算法得到反向投影圖改進(jìn)效果圖3跟蹤目標(biāo)模板第6期王旭東等：背景抑制直方圖模型的連續(xù)自適應(yīng)均值漂移跟蹤算法1483

傳統(tǒng)CAMshift跟蹤效果及反向投影圖

【參考文獻(xiàn)】：
期刊論文
[1]基于Camshift和SURF的目標(biāo)跟蹤系統(tǒng)[J]. 陳杏源,鄭烈心,裴海龍.  計算機(jī)工程與設(shè)計. 2016(04)
[2]Adaptive learning rate GMM for moving object detection in outdoor surveillance for sudden illumination changes[J]. HOCINE Labidi,曹偉,丁庸,張笈,羅森林.  Journal of Beijing Institute of Technology. 2016(01)
[3]融合檢測和跟蹤的實(shí)時人臉跟蹤[J]. 劉嘉敏,梁瑩,孫洪興,段勇,劉虓.  中國圖象圖形學(xué)報. 2015(11)
[4]一種改進(jìn)的Camshift視頻目標(biāo)跟蹤算法[J]. 王玲玲,裴東,王全州.  激光與紅外. 2015(10)
[5]顯著性直方圖模型的Camshift跟蹤方法[J]. 修春波,魏世安.  光學(xué)精密工程. 2015(06)
[6]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計算機(jī)學(xué)報. 2015(06)
[7]改進(jìn)的基于GMM的運(yùn)動目標(biāo)檢測方法[J]. 李剛,何小海,張生軍,高明亮.  計算機(jī)應(yīng)用研究. 2011(12)



本文編號：3550943