一種基于SURF特征的改進(jìn)Mean Shift的目標(biāo)跟蹤方法
【專(zhuān)利摘要】本發(fā)明屬于目標(biāo)跟蹤領(lǐng)域，具體涉及一種基于SURF特征的改進(jìn)Mean?Shift的目標(biāo)跟蹤方法。本發(fā)明包括：獲取動(dòng)態(tài)視頻；從動(dòng)態(tài)視頻中獲取一張待跟蹤目標(biāo)圖像；檢測(cè)待跟蹤目標(biāo)圖像的SURF特征，存入數(shù)據(jù)庫(kù)中；數(shù)據(jù)庫(kù)中待跟蹤目標(biāo)SURF特征與動(dòng)態(tài)視頻中的每幀圖像的SURF特征進(jìn)行匹配，當(dāng)檢測(cè)到待跟蹤目標(biāo)后，確定目標(biāo)在圖像中的位置；根據(jù)目標(biāo)位置區(qū)域初始化Mean?Shift模板；Mean?Shift對(duì)動(dòng)態(tài)視頻中之后每一幀圖像進(jìn)行迭代跟蹤直到初始模板再次更新；根據(jù)跟蹤目標(biāo)確定模板更新頻率。本發(fā)明解決了Mean?Shift跟蹤方法目標(biāo)模板不能更新的問(wèn)題，以及核帶寬無(wú)法改變的問(wèn)題。
【專(zhuān)利說(shuō)明】—種基于SURF特征的改進(jìn)Mean Sh ift的目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于目標(biāo)跟蹤領(lǐng)域，具體涉及一種基于SURF特征的改進(jìn)Mean Shift的目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002]目標(biāo)跟蹤是指在一序列圖像的每幅圖像中找到所感興趣的運(yùn)動(dòng)目標(biāo)所處的位置，它是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向，經(jīng)常應(yīng)用于視頻監(jiān)控、人工智能、人機(jī)交互等方面。目標(biāo)跟蹤可以提供被監(jiān)控目標(biāo)的運(yùn)動(dòng)軌跡，也為目標(biāo)的運(yùn)動(dòng)分析提供了可靠的數(shù)據(jù)信息。目標(biāo)視頻目標(biāo)跟蹤算法主要有基于對(duì)比度分析的方法，基于特征匹配的方法，核方法，運(yùn)動(dòng)檢測(cè)(光流法)等等。
[0003]運(yùn)動(dòng)目標(biāo)跟蹤在工業(yè)、智能監(jiān)控、人機(jī)界面、虛擬現(xiàn)實(shí)、運(yùn)動(dòng)分析等許多領(lǐng)域有著廣泛的應(yīng)用前景，在科學(xué)和工程中有著重要的研究?jī)r(jià)值，吸引了國(guó)內(nèi)外越來(lái)越多研究者的興趣。視頻跟蹤技術(shù)近年來(lái)引起越來(lái)越多的研究者們關(guān)注，這主要由于兩方面原因:一方面，計(jì)算和存儲(chǔ)成本的大幅度下跌使得以視頻速率或近似視頻速率采集存儲(chǔ)圖像序列成為可能；另一方面，視頻跟蹤技術(shù)的極為廣闊的市場(chǎng)應(yīng)用前景也是推動(dòng)此研究的主要?jiǎng)恿?。目前，目?biāo)跟蹤技術(shù)已經(jīng)被廣泛應(yīng)用于眾多生活和工作領(lǐng)域。
[0004]2006年Bay和Tuytelaar提出SURF特征，由于SURF特征在處理兩幅圖像之間發(fā)生平移、旋轉(zhuǎn)、仿射變換情況下具有很強(qiáng)的匹配能力，此后被廣泛用于工件識(shí)別、醫(yī)學(xué)圖像配準(zhǔn)、人臉識(shí)別、3D目標(biāo)檢索跟蹤、目標(biāo)識(shí)別和圖像特征匹配中，盡管作為SIFT算法的加速版，但是SURF算法在處理兩幅圖像時(shí)速度仍然較慢。2002年Dorin Comaniciu將MeanShift引入到了目標(biāo)跟蹤領(lǐng)域，極大減少了跟蹤算法的計(jì)算量，Mean Shift是一種基于無(wú)參密度估計(jì)的目標(biāo)跟蹤方法，以核密度直方圖作為描述目標(biāo)模型和候選模型的特征，MeanShift跟蹤方法計(jì)算量不大，在目標(biāo)區(qū)域已知的情況下完全可以做到實(shí)時(shí)跟蹤。其次，作為一個(gè)無(wú)參數(shù)密度估計(jì)方法，很容易作為一個(gè)模塊和別的方法集成。另外，采用核函數(shù)直方圖建模，對(duì)邊緣遮擋、目標(biāo)旋轉(zhuǎn)、變形和背景運(yùn)動(dòng)不敏感，但是跟蹤過(guò)程中窗寬的大小保持不變，同時(shí)不能對(duì)目標(biāo)模板進(jìn)行實(shí)時(shí)更新，在目標(biāo)的運(yùn)動(dòng)中，目標(biāo)的姿態(tài)、環(huán)境的光線(xiàn)等會(huì)發(fā)生變化，用場(chǎng)景圖像中已經(jīng)變化了的目標(biāo)的候選模板去匹配初始模板，會(huì)導(dǎo)致跟蹤失敗?；诖耍景l(fā)明提出了一種基于SURF特征的改進(jìn)Mean Shift的目標(biāo)跟蹤方法，并將其成功應(yīng)用于視頻圖像中的目標(biāo)跟蹤。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于克服Mean Shift跟蹤方法已有技術(shù)的不足，提出一種基于SURF特征的改進(jìn)Mean Shift的目標(biāo)跟蹤方法。
[0006]本發(fā)明的目的是這樣實(shí)現(xiàn)的:
[0007](I)獲取動(dòng)態(tài)視頻；
[0008](2)從動(dòng)態(tài)視頻中獲取一張待跟蹤目標(biāo)圖像；[0009](3)檢測(cè)待跟蹤目標(biāo)圖像的SURF特征，存入數(shù)據(jù)庫(kù)中:
[0010](3.1)尺度空間構(gòu)建:
[0011]利用框狀濾波器建立多尺度空間，其中框狀濾波器的尺寸為=Size =9* (σ-1.2)，size代表濾波器的尺寸，σ為多尺度空間的尺度；
[0012](3.2)快速 Hessian 矩陣檢測(cè):
[0013]對(duì)于待跟蹤目標(biāo)圖像中給定的像素點(diǎn)(X，X) = f(x，y)，則像素點(diǎn)的Hessian矩陣為:
【權(quán)利要求】
1.一種基于SURF特征的改進(jìn)Mean Shift的目標(biāo)跟蹤方法，其特征在于: (1)獲取動(dòng)態(tài)視頻； (2)從動(dòng)態(tài)視頻中獲取一張待跟蹤目標(biāo)圖像； (3)檢測(cè)待跟蹤目標(biāo)圖像的SURF特征，存入數(shù)據(jù)庫(kù)中: (3.1)尺度空間構(gòu)建: 利用框狀濾波器建立多尺度空間，其中框狀濾波器的尺寸為:size = 9*(0-1.2)，size代表濾波器的尺寸，σ為多尺度空間的尺度； (3.2)快速Hessian矩陣檢測(cè): 對(duì)于待跟蹤目標(biāo)圖像中給定的像素點(diǎn)(X，X) = f(x，y)，則像素點(diǎn)的Hessian矩陣為:

【文檔編號(hào)】G06T7/20GK104036523SQ201410273186
【公開(kāi)日】2014年9月10日 申請(qǐng)日期:2014年6月18日 優(yōu)先權(quán)日:2014年6月18日
【發(fā)明者】管鳳旭, 劉曉龍, 廉德源, 趙拓, 楊長(zhǎng)青, 姜倩 申請(qǐng)人:哈爾濱工程大學(xué)