• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于證據(jù)理論和多核函數(shù)融合的目標(biāo)跟蹤

      2015-03-15 02:18:10費樹岷周大可
      關(guān)鍵詞:巴氏分塊直方圖

      楊 欣 沈 雷 費樹岷 周大可

      (1南京航空航天大學(xué)自動化學(xué)院,南京210016)

      (2東南大學(xué)自動化學(xué)院,南京210096)

      隨著計算機視覺技術(shù)的蓬勃發(fā)展,利用計算機視覺技術(shù)對圖像和視頻進(jìn)行處理、理解、分析得到廣泛的普及.其中運動目標(biāo)跟蹤是一個熱點研究問題[1].因 Mean-Shift(均值偏移)算法簡單易行,對目標(biāo)變形和局部遮擋有一定適應(yīng)性而被廣泛地研究與應(yīng)用[2].傳統(tǒng)的 Mean-Shift跟蹤算法[3-4]是以顏色直方圖為特征對運動目標(biāo)進(jìn)行跟蹤,對于復(fù)雜背景情況下的跟蹤效果不佳.文獻(xiàn)[4]中顏色直方圖只包含了圖像中顏色值出現(xiàn)的頻數(shù),僅反映了目標(biāo)的顏色信息.

      基于上述討論,本文給出了一種新穎的基于證據(jù)理論和多核函數(shù)融合的目標(biāo)跟蹤方法.該方法首先對目標(biāo)區(qū)域進(jìn)行顏色和邊緣特征的融合;然后將此區(qū)域分成4個子區(qū)域,算出子區(qū)域的顏色與邊緣方向直方圖融合的聯(lián)合概率密度,并計算出各個區(qū)域的巴氏權(quán)重系數(shù);再根據(jù)加權(quán)后的聯(lián)合概率密度,采用多個核函數(shù)計算出多個目標(biāo)位置估計;最后利用D-S證據(jù)理論信息融合方法[5]對多個目標(biāo)位置估計進(jìn)行融合判斷獲得準(zhǔn)確的目標(biāo)位置.實驗結(jié)果表明,該方法在目標(biāo)被大面積長時間遮擋的情況下,能達(dá)到良好的跟蹤效果.

      1 目標(biāo)模型

      1.1 目標(biāo)模型建立

      基于顏色直方圖的方法[6]簡單靈活,但目標(biāo)區(qū)域有光照變化時,會造成目標(biāo)丟失,因此本文融合邊緣方向直方圖,利用邊緣特征信息來有效應(yīng)對光照變化,進(jìn)而對目標(biāo)區(qū)域進(jìn)行分塊處理,以提高目標(biāo)的辨識能力.

      1)分塊處理 當(dāng)目標(biāo)被遮擋時,被遮擋部分的直方圖會有明顯的改變,所以被遮擋的部分應(yīng)賦予較小的權(quán)值.將目標(biāo)框等分成4份,以便于更好地區(qū)分各個部分被遮擋的情況,分塊方法如圖1所示.

      圖1 目標(biāo)框分塊示意圖

      2)顏色直方圖 顏色直方圖是一種較為實用的區(qū)域顏色建模方法.對于一個半徑為R的特定區(qū)域,在建立顏色分布模型時,不同位置像素對于顏色直方圖的貢獻(xiàn)不同,距離目標(biāo)中心近的被賦予較大權(quán)值,遠(yuǎn)的被賦予較小權(quán)值,其顏色直方圖模型的計算公式見文獻(xiàn)[7].

      3)邊緣方向直方圖 邊緣方向直方圖是對運動目標(biāo)的邊緣點方向分布的一種統(tǒng)計,首先將其劃分為8個方向,再將目標(biāo)分成4塊進(jìn)行運算.這樣可包含目標(biāo)的輪廓信息,從而對遮擋情況具有良好的抑制作用.模型見文獻(xiàn)[8].

      1.2 目標(biāo)遮擋對巴氏系數(shù)的影響

      當(dāng)目標(biāo)被遮擋時,遮擋區(qū)域的直方圖有很大變化,而未被遮擋區(qū)域的直方圖變化較小.圖2表示目標(biāo)下半部被汽車遮擋,表1為圖2中不同的分塊位置被汽車遮擋后對巴氏系數(shù)的影響.

      圖2 被遮擋目標(biāo)圖像

      表1 每個分塊對巴氏系數(shù)的影響

      由表1可知,目標(biāo)跟蹤框下半部分的相似性系數(shù)非常小,這說明跟蹤目標(biāo)下半部被遮擋后,對跟蹤的影響較大,而遮擋上半部分的影響較小.因此,基于未遮擋區(qū)域的巴氏系數(shù)進(jìn)行目標(biāo)跟蹤,能有效提高目標(biāo)跟蹤的魯棒性.

      2 直方圖特征融合

      2.1 融合概率密度計算

      根據(jù)顏色模型,采用下式求出圖像像素點的顏色概率估計值:

      通過Sobel算子檢測出的邊緣二值圖像包含了目標(biāo)的邊緣特征空間信息,同時聯(lián)合上述像素點的估計值,可以獲得邊緣特征與顏色特征相聯(lián)合的像素點概率估計值,即

      式中,g(x,y)是利用Sobel算子進(jìn)行邊緣檢測后坐標(biāo)(x,y)處的值,存在邊緣時為1,否則為0.

      2.2 子塊加權(quán)系數(shù)

      考慮光照、形變和遮擋等情況的影響,巴氏系數(shù)大的分塊,權(quán)重系數(shù)大;反之,權(quán)重系數(shù)小.記各塊的權(quán)值系數(shù)為w(k),即

      3 基于證據(jù)理論的目標(biāo)位置估計

      3.1 證據(jù)理論

      根據(jù)證據(jù)理論[9]方法構(gòu)建數(shù)學(xué)模型,采用N個不同的核函數(shù),分別利用Mean-Shift方法,獲得當(dāng)前目標(biāo)跟蹤框中N個不同的位置估計(l1,l2,…,ln),令l'為前一幀中的目標(biāo)位置.基于D-S證據(jù)理論中焦元結(jié)構(gòu)定義的方法[10],定義一組 mass函數(shù),即

      利用式(5)構(gòu)造的信任函數(shù),再采用D-S組合公式計算得到目標(biāo)位于ln的概率:

      3.2 遮擋程度的判定規(guī)則

      本文主要針對跟蹤目標(biāo)的大面積長時間遮擋情況.當(dāng)目標(biāo)被遮擋,可視面積將發(fā)生變化,巴氏系數(shù)也會發(fā)生相應(yīng)的改變,利用這一特性可以判斷目標(biāo)被遮擋的程度.定義遮擋判斷因子為

      4 算法

      根據(jù)上述分析,給出目標(biāo)跟蹤算法步驟如下:

      ①手動選擇目標(biāo)的初始位置并用紅色框表示,初始化當(dāng)前幀中目標(biāo)位置為^y0,將目標(biāo)跟蹤區(qū)域等分成4個子區(qū)域.

      ②根據(jù)文獻(xiàn)[6]中公式分別求解出4塊原目標(biāo)模型特征直方圖qu和候選目標(biāo)模型特征直方圖qu(y).

      ③采用式(3)計算出每個子分塊的權(quán)值系數(shù).

      ④計算目標(biāo)新位置y1:

      式中,wi為權(quán)值系數(shù).

      ⑤計算候選目標(biāo)聯(lián)合直方圖 {pk(y1)},k=1,2,3,4,同時計算

      ⑥通過判定規(guī)則,對遮擋情況進(jìn)行判定.如果大面積遮擋,執(zhí)行⑦;否則,先利用單個核函數(shù)進(jìn)行迭代跟蹤目標(biāo)位置,然后轉(zhuǎn)到⑨.

      ⑦對已經(jīng)計算出的多組目標(biāo)位置,采用基于D-S證據(jù)理論信息融合方法,對多組目標(biāo)位置進(jìn)行融合判斷,得到最佳的目標(biāo)位置,結(jié)果記為

      5 實驗結(jié)果與分析

      采用傳統(tǒng)Mean-Shift算法和本文算法進(jìn)行對比實驗.圖3(a)是傳統(tǒng)Mean-Shift算法目標(biāo)跟蹤結(jié)果.由圖可知,當(dāng)目標(biāo)未進(jìn)入遮擋區(qū)域時可以較好地跟蹤上運動目標(biāo);但跟蹤到第50幀左右時,目標(biāo)大部分面積被遮擋,在長時間遮擋過程中,目標(biāo)跟蹤區(qū)域始終出現(xiàn)抖動滯后現(xiàn)象.圖3(b)為本文所提出的目標(biāo)跟蹤算法跟蹤的效果,從圖中可以看出,跟蹤效果有明顯的提高,在整個遮擋過程中,可以很好地跟蹤上原目標(biāo).

      圖3 視頻1跟蹤效果

      6 結(jié)語

      針對長時間大面積遮擋情況下的目標(biāo)跟蹤問題,本文提出了基于證據(jù)理論和多核函數(shù)融合的目標(biāo)跟蹤方法,較好地解決了目標(biāo)部分遮擋問題.而當(dāng)目標(biāo)被全部遮擋時,目標(biāo)的特征信息無法獲取,對目標(biāo)實時跟蹤帶來嚴(yán)重的影響,下一步作者將著重解決該問題.

      References)

      [1] 楊欣,劉加,周鵬宇,等.基于多特征融合的粒子濾波自適應(yīng)目標(biāo)跟蹤算法[J].吉林大學(xué)學(xué)報:工學(xué)版,2015,45(2):533-539.Yang Xin,Liu Jia,Zhou Pengyu,et al.Adaptive particle filter for object tracking based on fusing multiple features[J].Journal of Jilin University:Engineering and Technology Edition,2015,45(2):533-539.(in Chinese)

      [2] Comaniciu D,Ramesh V,Meer P.Kernel-based object tracking[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2003,25(5):564-577.

      [3] 楊欣,費樹岷,李剛,等.基于復(fù)雜特征融合的改進(jìn)Mean Shift目標(biāo)跟蹤[J].控制與決策,2014,29(7):1297-1300.Yang Xin,F(xiàn)ei Shumin,Li Gang,et al.Improved Mean Shift tracking algorithm based on complicated feature fusion[J].Control and Decision,2014,29(7):1297-1300.(in Chinese)

      [4] 何志勇,蔡樂才,許繼家.基于 Mean Shift算法跟蹤視頻中運動目標(biāo)[J].鄭州大學(xué)學(xué)報:理學(xué)版,2010,42(1):38-40.He Zhiyong,Cai Lecai,Xu Jija.Tracking moving objects based on Mean Shift algorithm in video[J].Journal of Zhengzhou University:Natural Science Edition,2010,42(1):38-40.(in Chinese)

      [5] 易建政,汪金軍,張俊坤,等.DS證據(jù)理論在信息融合中的應(yīng)用研究[J].國外電子測量技術(shù),2010(12):31-34.Yi Jianzheng,Wang Jinjun,Zhang Junkun,et al.Application research on D-S evidence theory in data fusion[J]. Foreign ElectronicMeasurement Technology,2010(12):31-34.(in Chinese)

      [6] Comaniciu D,Meer P.Mean shift:a robust approach toward feature space analysis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(5):603-619.

      [7] 劉惟錦,章毓晉.基于Kalman濾波和邊緣直方圖的實時目標(biāo)跟蹤[J].清華大學(xué)學(xué)報:自然科學(xué)版,2008,48(7):1104-1107.Liu Weijin,Zhang Yujin.Edge-color-histogram and Kalman filter-based real-time object tracking[J].Journal of Tsinghua University:Science and Technology,2008,48(7):1104-1107.(in Chinese)

      [8] Pylkko H,Riekki J,Roning J.Real-time color-based tracking via a marker interface[C]//IEEE International Conference on Robotics and Automation.Seoul,Korea,2001,2:1214-1219.

      [9] Gao L P,Jia J,Dong L B.An improved fusion algorithm of evidence theory[C]//Conference on Cross Strait Quad-Regional Radio Science and Wireless Technology.Harbin,China,2011,2:1495-1498.

      [10] Li Y B,Wang N,Zhou C.Based on D-S evidence theory of information fusion improved method[C]//International Conference on Computer Application and System Modeling.Taiyuan,China,2010,1:416-419.

      猜你喜歡
      巴氏分塊直方圖
      統(tǒng)計頻率分布直方圖的備考全攻略
      符合差分隱私的流數(shù)據(jù)統(tǒng)計直方圖發(fā)布
      釋放巴氏新小綏螨可滿足對蘋果全爪螨的防治需求
      分塊矩陣在線性代數(shù)中的應(yīng)用
      用直方圖控制畫面影調(diào)
      巴氏殺菌水牛奶在不同儲存條件下微生物增長規(guī)律的研究
      反三角分塊矩陣Drazin逆新的表示
      巴氏醋桿菌核酸修復(fù)酶UvrA對大腸桿菌耐受性的影響
      基于自適應(yīng)中值濾波的分塊壓縮感知人臉識別
      基于多分辨率半邊的分塊LOD模型無縫表達(dá)
      金川县| 方山县| 东明县| 启东市| 周宁县| 织金县| 临高县| 金坛市| 台江县| 鄂伦春自治旗| 新乐市| 通渭县| 理塘县| 咸阳市| 泰来县| 石狮市| 磐石市| 裕民县| 资阳市| 呼图壁县| 霍山县| 丰顺县| 廉江市| 马山县| 绥滨县| 囊谦县| 丰城市| 墨脱县| 荃湾区| 长丰县| 交城县| 杂多县| 慈利县| 司法| 遵义市| 小金县| 体育| 扶绥县| 绥宁县| 阿拉尔市| 济宁市|