帶有陰影去除的分塊感知哈希跟蹤方法
【專利摘要】本發(fā)明公開了一種帶有陰影去除的分塊感知哈希跟蹤方法，先根據(jù)陰影圖像在CIELAB色彩空間中各通道灰度圖的分布特點(diǎn)確定出圖像中的陰影區(qū)域，然后采用顏色恒常理論將陰影區(qū)像素點(diǎn)恢復(fù)至無陰影效果，接著將分塊感知哈希編碼值與顏色自相似性相結(jié)合，以此作為相似性度量來對相鄰幀的跟蹤目標(biāo)子塊進(jìn)行匹配，最后將上述子塊組合得到跟蹤目標(biāo)在當(dāng)前幀的區(qū)域位置，實(shí)現(xiàn)對視頻中的跟蹤目標(biāo)進(jìn)行跟蹤。本發(fā)明的優(yōu)點(diǎn)在于根據(jù)人體部位運(yùn)動(dòng)范圍和形變程度的不同，將人體目標(biāo)分為8個(gè)子塊，并在此基礎(chǔ)上，提出了一種分塊的感知哈希編碼方法，解決了目前的跟蹤算法在人體被部分或完全遮擋、部分旋轉(zhuǎn)，以及自然場景中陰影區(qū)與非陰影區(qū)光照突變等情況下跟蹤失敗的問題。
【專利說明】
帶有陰影去除的分塊感知哈希跟蹤方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及視頻圖像跟蹤技術(shù)，具體是一種帶有陰影去除的分塊感知哈希跟蹤方 法。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)技術(shù)日新月異的發(fā)展，利用計(jì)算機(jī)實(shí)現(xiàn)人類各種智能功能的需求逐漸 成為現(xiàn)實(shí)。其中，通過計(jì)算機(jī)來模擬人類視覺去獲取認(rèn)知外界環(huán)境信息，在幾十年時(shí)間，獲 得了飛速的發(fā)展，也因此成為計(jì)算機(jī)科學(xué)領(lǐng)域一個(gè)熱口的研究課題。其中，視頻跟蹤技術(shù)是 計(jì)算機(jī)視覺重要研究內(nèi)容之一，也是當(dāng)前計(jì)算機(jī)視覺研究中尚未根本解決的難點(diǎn)問題。
[0003] 現(xiàn)有的跟蹤方法主要有基于目標(biāo)區(qū)域的跟蹤、基于目標(biāo)特征的跟蹤、基于光流場 的目標(biāo)跟蹤、基于目標(biāo)模型的跟蹤和基于預(yù)測的跟蹤。但是，運(yùn)些方法都存在各自的技術(shù)缺 點(diǎn)：1.基于目標(biāo)區(qū)域匹配的跟蹤方法需要對所有區(qū)域進(jìn)行跟蹤目標(biāo)匹配，捜索耗時(shí)大，而 且在跟蹤目標(biāo)發(fā)生部分遮擋時(shí)跟蹤效果不好；2.基于特征的跟蹤方法是基于跟蹤目標(biāo)的 某個(gè)或某些特征進(jìn)行相鄰帖的跟蹤目標(biāo)匹配，通常難W選擇合適的特征表示跟蹤目標(biāo)，而 且特征數(shù)量與算法效率難W均衡；3.基于光流場的跟蹤方法是通過特征匹配來求得特征 點(diǎn)處的流速，但由于得到的是稀疏的光流場，因而難W提取運(yùn)動(dòng)對象的精確形狀；4.基于 目標(biāo)模型的跟蹤方法通常采用線圖模型、2D模型和3D模型表示跟蹤目標(biāo)，該方法可W處理 遮擋，能夠獲得更多的行為分析所需的數(shù)據(jù)，但缺點(diǎn)是在監(jiān)控場景中要獲得所有運(yùn)動(dòng)目標(biāo) 的精確幾何模型非常困難，而且運(yùn)算量巨大，難W實(shí)現(xiàn)實(shí)時(shí)性點(diǎn)基于預(yù)測的跟蹤方法主 要有卡爾曼濾波法、粒子濾波等?？柭鼮V波器可W有效進(jìn)行線性最優(yōu)估計(jì)，但該方法不能 處理非線性和非高斯的問題。粒子濾波方法能夠應(yīng)用于非線性非高斯的運(yùn)動(dòng)系統(tǒng)中，但缺 點(diǎn)是計(jì)算量很大，實(shí)時(shí)性差。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種帶有陰影去除的分塊感知哈希跟蹤方法，可W適用于 自然場景中陰影區(qū)與非陰影區(qū)光照差異大、人體部分旋轉(zhuǎn)，W及遮擋導(dǎo)致人體部分或完全 缺失等情況的跟蹤。該方法是根據(jù)陰影圖像在CIELAB色彩空間中各通道灰度圖的分布特 點(diǎn)確定出圖像中的陰影區(qū)域，然后采用顏色恒常理論將陰影區(qū)像素點(diǎn)恢復(fù)至無陰影效果， 接著將分塊感知哈希編碼值與顏色自相似性相結(jié)合，W此作為相似性度量來對相鄰帖的跟 蹤目標(biāo)子塊進(jìn)行匹配，最后將子塊組合得到跟蹤目標(biāo)在當(dāng)前帖的區(qū)域位置，實(shí)現(xiàn)對視頻中 的跟蹤目標(biāo)進(jìn)行跟蹤。 陽0化]實(shí)現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種帶有陰影去除的分塊感知哈希跟蹤方 法，包括W下步驟：
[0006] 步驟1 :輸入視頻圖像序列f (X，y，t)，第t帖圖像的大小為M*N，Μ為圖像的行數(shù)， Ν為圖像的列數(shù)，且Μ、Ν均為自然數(shù)，（x，y)表示圖像像素點(diǎn)的位置坐標(biāo)，t表示視頻序列的 第t帖圖像。
[0007] 步驟2 :將輸入的視頻f (X，y，t)由RGB空間轉(zhuǎn)換到CIELAB空間，根據(jù)CIELAB空 間中1/通道灰度直方圖的雙峰性，^及3>^通道陰影減弱和灰度分布的單峰性，通過闊值分 割方法得到圖像中的陰影區(qū)域。
[0008] 步驟3 :采用顏色恒常算法分別估計(jì)出陰影區(qū)域圖像n(Xi，yi，t)和非陰影區(qū)域圖 像b (而，72, t)的光照顏色，計(jì)算將η (XI，yi，t)中像素點(diǎn)變換到非陰影區(qū)光照效果下的校正 增益，然后通過顏色校正增益將陰影區(qū)域的圖像顏色校正到無陰影的效果。
[0009] 步驟4 :手動(dòng)選取跟蹤目標(biāo)，將跟蹤目標(biāo)按照運(yùn)動(dòng)形變大小劃分為8個(gè)子塊，8個(gè)子 塊從上到下、從左到右依次編號(hào)，第一排3個(gè)子塊，第二排3個(gè)子塊，第Ξ排2個(gè)子塊，坐標(biāo) 原點(diǎn)化0)設(shè)置在矩形框0. 5倍寬度與起始高度的交匯處，分塊結(jié)果W y = 0軸左右對稱。
[0010] 步驟5 :假設(shè)跟蹤目標(biāo)在前一帖ti無遮擋，在當(dāng)前帖12, W前一帖ti的跟蹤目標(biāo)位 置為中屯、，找出使第5子塊的漢明距離取最小值的η個(gè)候選窗口，分別計(jì)算上述候選窗口的 總漢明距離，找出使總漢明距離取最小值的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的 顏色自相似性，若至少有5個(gè)子塊的顏色自相似性相匹配，則用該候選窗口更新t2的跟蹤 目標(biāo)；否則，找到使總漢明距離取值第二小的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的 顏色自相似性，W此類推，直到找到符合條件的候選窗口，并用此候選窗口更新t2的跟蹤目 標(biāo)。
[00川步驟6 :在當(dāng)前帖t2,若更新后的跟蹤目標(biāo)外接矩形框變小，說明跟蹤目標(biāo)在t2被 部分遮擋，在下一帖t3,根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及t 3中是否找到匹配的跟蹤目 標(biāo)選取不同的跟蹤方式；若更新后的跟蹤目標(biāo)外接矩形框沒有變小，說明跟蹤目標(biāo)在t2沒 有被遮擋，返回步驟5。
[0012] 本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點(diǎn)為：1、根據(jù)人體不同部位運(yùn)動(dòng)范圍與形變程 度的不同，將人體分成8塊，并對不同的塊賦予不同的權(quán)值，得到加權(quán)的分塊感知哈希編 碼，該特征與其他常用的跟蹤目標(biāo)特征相比，魯棒性強(qiáng)、特征向量簡單W及計(jì)算復(fù)雜度低； 2、采用顏色恒常算法和Von Kries色系數(shù)定律將陰影區(qū)像素點(diǎn)恢復(fù)至無陰影效果，解決了 跟蹤目標(biāo)在陰影區(qū)與非陰影區(qū)之間運(yùn)動(dòng)時(shí)，一般跟蹤算法因光照突變導(dǎo)致跟蹤目標(biāo)跟丟的 問題；3、將基于分塊的感知哈希編碼與顏色自相似性相結(jié)合來對相鄰帖的跟蹤目標(biāo)進(jìn)行匹 配，可W將細(xì)節(jié)變化對全局結(jié)果的影響限制在局部，即使由于人體部分旋轉(zhuǎn)，W及被部分或 完全遮擋，也能有效識(shí)別出相同跟蹤目標(biāo)和不同跟蹤目標(biāo)。
【附圖說明】
[0013] 圖1是本發(fā)明一種帶有陰影去除的分塊感知哈希跟蹤方法的算法流程圖。
[0014] 圖2是運(yùn)動(dòng)人體分塊的結(jié)果圖。
[0015] 圖3是當(dāng)輸入的視頻圖像中的運(yùn)動(dòng)目標(biāo)被遮擋時(shí)，采用本發(fā)明一種帶有陰影去除 的分塊感知哈希跟蹤方法對跟蹤目標(biāo)進(jìn)行跟蹤的結(jié)果；其中圖（a)為在輸入視頻的第194 帖對目標(biāo)進(jìn)行跟蹤后的結(jié)果圖；圖化）為在輸入視頻的第200帖對目標(biāo)進(jìn)行跟蹤后的結(jié)果 圖；圖（C)為在輸入視頻的第206帖對目標(biāo)進(jìn)行跟蹤后的結(jié)果圖。
【具體實(shí)施方式】
[0016] 下面結(jié)合附圖對本發(fā)明作進(jìn)一步詳細(xì)描述。
[0017] 本發(fā)明是一種帶有陰影去除的分塊感知哈希跟蹤方法，其原理為：人在運(yùn)動(dòng)時(shí)，胳 膊、腿等軀干部分活動(dòng)范圍大、形變劇烈，而頭部、上半身（不包含胳膊）等部位只存在較小 范圍的轉(zhuǎn)動(dòng)，整體形變程度相對很小，因此可W先對人體按照運(yùn)動(dòng)時(shí)的活動(dòng)范圍和形變大 小進(jìn)行分塊，然后使用分塊的哈希編碼與顏色自相似性來匹配相鄰帖的跟蹤目標(biāo)，從而實(shí) 現(xiàn)跟蹤目標(biāo)的跟蹤。
[001引結(jié)合圖1和圖2,一種帶有陰影去除的分塊感知哈希跟蹤方法，包括W下步驟：
[0019] 步驟1 :輸入視頻圖像序列f (X，y，t)，第t帖圖像的大小為M*N，Μ為圖像的行數(shù)， Ν為圖像的列數(shù)，且Μ、Ν均為自然數(shù)，（x，y)表示圖像像素點(diǎn)的位置坐標(biāo)，t表示視頻序列的 第t帖圖像。
[0020] 步驟2 :將輸入的視頻圖像序列f (X，y，t)由RGB空間轉(zhuǎn)換到CIELAB空間，根據(jù) CffiLAB空間中《道灰度直方圖的雙峰性，從及日通道陰影減弱和灰度分布的單峰性，通 過闊值分割方法得到圖像中的陰影區(qū)域。
[0021] 步驟3 :采用顏色恒常算法分別估計(jì)出陰影區(qū)域圖像n(xi，yi，t)和非陰影區(qū)域圖 像b (而，72, t)的光照顏色，計(jì)算將η (XI，yi，t)中像素點(diǎn)變換到非陰影區(qū)光照效果下的校正 增益，然后通過顏色校正增益將陰影區(qū)域的圖像顏色校正到無陰影的效果。 陽0巧步驟4 :選取跟蹤目標(biāo)，將跟蹤目標(biāo)按照運(yùn)動(dòng)形變大小劃分為8個(gè)子塊，8個(gè)子塊從 上到下、從左到右依次編號(hào)，第一排3個(gè)子塊，第二排3個(gè)子塊，第Ξ排2個(gè)子塊，坐標(biāo)原點(diǎn) (0, 0)設(shè)置在矩形框0. 5倍寬度與起始高度的交匯處，分塊結(jié)果W y = 0軸左右對稱。
[0023] 步驟5 :假設(shè)跟蹤目標(biāo)在前一帖ti無遮擋，在當(dāng)前帖12, W前一帖ti的跟蹤目標(biāo)位 置為中屯、，找出使第5子塊的漢明距離取最小值的η個(gè)候選窗口，分別計(jì)算上述候選窗口的 總漢明距離，找出使總漢明距離取最小值的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的 顏色自相似性，若至少有5個(gè)子塊的顏色自相似性相匹配，則用該候選窗口更新t2的跟蹤 目標(biāo)；否則，找到使總漢明距離取值第二小的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的 顏色自相似性，W此類推，直到找到符合條件的候選窗口，并用此候選窗口更新t2的跟蹤目 標(biāo)。
[0024] 更新t2的跟蹤目標(biāo)具體步驟為： 陽02引 5-1)在當(dāng)前帖t2, W ti跟蹤目標(biāo)位置為中心掃描窗口大小為wi化h*hei曲t，其 中width表示跟蹤目標(biāo)外接矩形框的寬度，hei曲t表示跟蹤目標(biāo)外接矩形框的高度，在大 小為3width*3hei曲t的區(qū)域內(nèi)進(jìn)行滑動(dòng)掃描，計(jì)算所有掃描窗口中第5子塊的哈希編碼， 找出使其與跟蹤目標(biāo)間漢明距離取最小值的η個(gè)掃描窗口，即為候選窗口，依次記為Hi， &，…，H。，其中Hi為使第5子塊漢明距離取最小值的候選窗口，Η。為使第5子塊漢明距離 取最大值的候選窗口，且滿足Η"-Ηι《 th3,取th3 = 10 ;分塊感知哈希編碼與漢明距離的計(jì) 算步驟如下：
[0026] 5-1-1)對跟蹤目標(biāo)的8個(gè)子塊賦予不同的權(quán)重W化)，其中似表示第k個(gè)子塊， w(k)定義如下：
[0027]
(11)
[0028] 5-1-2)將各個(gè)子塊轉(zhuǎn)換成灰度圖像，并縮小至大小為32*32的正方形區(qū)域W簡化 DCT變換，若某個(gè)子塊的長度或?qū)挾刃∮?2個(gè)像素，則W長度和寬度中的較小值為壓縮尺 寸進(jìn)行壓縮，然后對壓縮后的正方形塊進(jìn)行DCT變換：
陽031] 其中，U, V均表示變換域中的頻率分量，F(xiàn)化0)表示變換域中的低頻成分，F(xiàn)(u, V) 表示變換域的高頻成分，N表示跟蹤目標(biāo)塊的尺寸；經(jīng)過DCT變換得到的變換系數(shù)矩陣左上 角為低頻系數(shù)，由于低頻信息描述圖像的大部分信息，因此只保留左上角8*8的矩陣。
[0032] 5-1-3)對8*8的DCT矩陣進(jìn)行哈希編碼：
[0033]
'14)
[0034] 其中，化sh(i，k)為第k個(gè)子塊中的第i個(gè)編碼，G(i，k)是第k個(gè)子塊的DCT矩陣 中第i個(gè)元素的值，mearik為第k個(gè)子塊的DCT矩陣的均值。
[0035] 5-1-4)記跟蹤目標(biāo)的第k個(gè)子塊的第i個(gè)編碼值為化she(i，k)，掃描窗口的第k 個(gè)子塊的第i個(gè)編碼值為化shi (i，k)，則跟蹤目標(biāo)與掃描窗口的第k個(gè)子塊間的漢明距離 dis(k)為：
[0036]
(1巧
[0037] 5-。依次比較Hi,&，'"，Η。的總漢明距離，找出使總漢明距離取最小值的候選窗 口，上述候選窗口是t2中跟蹤目標(biāo)最有可能位于的位置，記為W 1，并判斷Wi與跟蹤目標(biāo)中具 有相同編號(hào)的子塊是否匹配；定義Hi, &，…，H。的總漢明距離分別為D 1, 〇2,…，D。，歸一化 漢明距離因子NDiSm(k)，其中化）表示第k個(gè)子塊，NDiSm(k)和化，〇2，···，0。的定義公式如 下：
W40] 定義diSm似為第m個(gè)候選窗口的第k個(gè)子塊的漢明距離，則Wi與跟蹤目標(biāo)中具 有相同編號(hào)子塊的哈希編碼的匹配公式為：
[0041 ]
陽ο創(chuàng)其中，1《m《η，TMi，ΤΜζ，TMs均為闊值參數(shù)，ΤΜ 1的取值范圍為[10, 20]，ΤΜ 2的取 值范圍為巧5, 35LTM3的取值范圍為[45, 55]，matchm(k)表示該子塊與跟蹤目標(biāo)是否匹配， matchm(k) = 1表示匹配；matchm(k) = 0表示不匹配。
[00創(chuàng) 5-扣找出W沖使match(k) = 1的所有子塊，計(jì)算運(yùn)些子塊與跟蹤目標(biāo)中對應(yīng)子 塊的顏色自相似性，根據(jù)顏色自相似性判斷子塊對是否匹配，若至少有5個(gè)子塊對相匹配， 說明Wi是12中跟蹤目標(biāo)的位置，并用使match化）=1的子塊更新跟蹤目標(biāo)的位置與外接 矩形框的尺寸；否則，找到化，02,…，D。中取值第二小的候選窗口，記作W 2,計(jì)算其與跟蹤目 標(biāo)各個(gè)對應(yīng)子塊的顏色自相似性，W此類推，直到找到符合條件的候選窗口，記作W。，并用 W。中使match化）=1的子塊更新12中的跟蹤目標(biāo);W。和跟蹤目標(biāo)中具有相同編號(hào)子塊的 顏色自相似性的計(jì)算步驟如下： W44] 5-3-1)計(jì)算跟蹤目標(biāo)與W。中各個(gè)子塊的顏色直方圖：將RGB顏色空間量化至 16*16*16的量化級(jí)，通過計(jì)算子塊中像素點(diǎn)的顏色落在每個(gè)量化區(qū)間內(nèi)的數(shù)量得到顏色直 方圖，記跟蹤目標(biāo)與W。中各個(gè)子塊的顏色直方圖分別為C 似和Ct2化)，歸一化的顏色直方 圖計(jì)算公式如下：
[0045]
(19)
[0046] 其中，N〇(k)是第k個(gè)子塊的總像素?cái)?shù)，N(r，g，b)表示子塊中具有顏色巧=r，G =g, B = b)的個(gè)數(shù)，m = 1表示跟蹤目標(biāo)的顏色直方圖；m = 2表示W(wǎng)。的顏色直方圖。
[0047] 5-3-2)采用己氏距離判斷跟蹤目標(biāo)與Wi中各個(gè)對應(yīng)子塊的顏色直方圖的相似性， Cti(k)和C。似的己氏距離P杞1似，(；2化)）為：
[004引
（20) W例其中，Μ表示顏色直方圖的量化級(jí)數(shù)，此處為16, P杞1化)，Ct2化)）越小，兩個(gè)子塊 的顏色直方圖越相似；設(shè)定Ξ個(gè)闊值參數(shù)Ti，T2, T3,取值范圍均為[0, 1]，且Τι<Τ2<Τ3,根據(jù) 如下公式判斷跟蹤目標(biāo)與W。中的對應(yīng)子塊的顏色是否相似： 陽化0]
[0051] 其中，S化）為相似性參數(shù)，S化）=1表示跟蹤目標(biāo)與W。中的對應(yīng)子塊相似；S化） =0表示不相似。 陽0巧步驟6 :在當(dāng)前帖t2,若更新后的跟蹤目標(biāo)外接矩形框變小，說明跟蹤目標(biāo)在t2被 部分遮擋，在下一帖t3,根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及t 3中是否找到匹配的跟蹤目 標(biāo)選取不同的跟蹤方式；若更新后的跟蹤目標(biāo)外接矩形框沒有變小，說明跟蹤目標(biāo)在t2沒 有被遮擋，返回步驟5。
[0053] 根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及13中是否找到匹配的跟蹤目標(biāo)選取不同的 跟蹤方式，跟蹤方式具體分為w下六種情況：
[0054] ①若跟蹤目標(biāo)的左半部分在?2被遮擋，即當(dāng)k= 1, 4, 7時(shí)，至少有兩個(gè)使match (k) =0,在t3中進(jìn)行窗口掃描時(shí)，采用第3子塊、第6子塊和第8子塊組合成的總漢明距離與 跟蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Df,m，下標(biāo)m表示當(dāng)前的掃描窗口為第m個(gè)，Df,m 的計(jì)算公式如下： 陽化5]
口巧
[0056] 找到使Dr,m取值最小的掃描窗口，且該掃描窗口中的第3子塊、第6子塊和第8子 塊中至少要有兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊 與跟蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并 用此候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)。
[0057] ②若跟蹤目標(biāo)的右半部分在?2被遮擋，即當(dāng)k = 3, 6, 8時(shí)，至少有兩個(gè)使match (k) =0,在t3中進(jìn)行窗口掃描時(shí)，采用第1子塊、第4子塊和第7子塊組成的總漢明距離與跟 蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Di,m，Di,m的計(jì)算公式為：
[0058]
(巧
[0059] 找到使Di,m取值最小的掃描窗口，且該掃描窗口中的第1子塊、第4子塊和第7子 塊中至少要有兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊 與跟蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并 用此候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)。
[0060] ③若跟蹤目標(biāo)的上半部分在t2被遮擋，即當(dāng)k = 1，2, 3時(shí)，其中至少有兩個(gè)使 match化）=0,在t3中進(jìn)行窗口掃描時(shí)，采用第7子塊和第8子塊組成的總漢明距離與跟 蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Dd,m，Dd,m的計(jì)算公式為： 閨]
位4)
[0062] 找到使Dd,m取值最小的掃描窗口，且該掃描窗口中的第7子塊和第8子塊中至少 要有兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊與跟蹤目 標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并用此候選 窗口中使match (k) = 1的子塊更新中的跟蹤目標(biāo)。
[0063] ④若跟蹤目標(biāo)的下半部分在t2被遮擋，即當(dāng)k = 7, 8時(shí)，其中至少有兩個(gè)使 match化）=0,在t3中進(jìn)行窗口掃描時(shí)，采用第1子塊、第2子塊和第3子塊組成的總漢明 距離與跟蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為D。,。，D。,。的計(jì)算公式為： W64]
口 5) W65] 找到使取值最小的掃描窗口，且該掃描窗口中的第1子塊、第2子塊和第3子 塊中至少要有兩個(gè)使match (k) = 1，之后，計(jì)算該掃描窗口中使match (k) = 1的所有子塊 與跟蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并 用此候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)。
[0066] ⑥若①~④沒有找到滿足條件的掃描窗口，且跟蹤目標(biāo)在t2的外接矩形框的某一 條邊距離視場邊界不大于5個(gè)像素，說明跟蹤目標(biāo)在t3運(yùn)動(dòng)出攝像機(jī)視場，在之后的視頻 帖中，繼續(xù)W t2中的跟蹤目標(biāo)為中屯、進(jìn)行窗口掃描，若跟蹤目標(biāo)的某一部分在t 2被遮擋，貝U 采用與上述子塊位置對稱的子塊組成的總漢明距離和顏色自相似性與跟蹤目標(biāo)進(jìn)行匹配； 定義變量num表示跟蹤目標(biāo)消失的帖數(shù)，若num大于闊值time,說明跟蹤目標(biāo)永遠(yuǎn)消失；否 貝1J，返回步驟5,重新對跟蹤目標(biāo)進(jìn)行分塊感知哈希跟蹤；time的取值范圍為巧00, 220]。 [0067] ⑧若①~④沒有找到滿足條件的掃描窗口，且跟蹤目標(biāo)在t2的外接矩形框的所有 邊距離跟蹤目標(biāo)邊界均大于5個(gè)像素，說明跟蹤目標(biāo)在t3被完全遮擋，在下一帖t 4,用跟 蹤目標(biāo)未被遮擋，即ti中的外接矩形框作為掃描窗口的尺寸，在t 2的跟蹤目標(biāo)中屯、點(diǎn)的周 圍區(qū)域進(jìn)行滑動(dòng)掃描，計(jì)算掃描窗口與ti的跟蹤目標(biāo)中各個(gè)子塊的匹配度match m(k)，若 matchm(k) = 1，說明第m個(gè)掃描窗口的第k個(gè)子塊與跟蹤目標(biāo)的第k個(gè)子塊相匹配，然后 找出使matchm化）=1的所有掃描窗口及其包含的子塊，并計(jì)算上述掃描窗口的總漢明距 離和顏色自相似性，得到最佳掃描窗口，用該窗口中使match化）=1的子塊更新跟蹤目標(biāo)； 若t4中的所有掃描窗口子塊的match m(k)都等于0,則在下一帖te中繼續(xù)W 11的跟蹤目標(biāo) 外接矩形框作為掃描窗口的尺寸，在t2的跟蹤目標(biāo)中屯、點(diǎn)周圍進(jìn)行滑動(dòng)掃描，重復(fù)上述掃 描步驟，直至找到與跟蹤目標(biāo)相匹配的掃描窗口，并用該掃描窗口更新當(dāng)前帖的跟蹤目標(biāo)。 W側(cè) 實(shí)施例：
[0069] 結(jié)合圖1和圖2,本發(fā)明一種帶有陰影去除的分塊感知哈希跟蹤方法，包括W下步 驟： 陽070] 步驟1 :輸入視頻圖像序列f (X，y，t)，第t帖圖像的大小為M*N，其中Μ為圖像的 行數(shù)，Ν為圖像的列數(shù)，且Μ、Ν均為自然數(shù)，取Μ = 492, Ν = 660,（X，y)表示圖像像素點(diǎn)的 位置，t表示視頻序列的第t帖圖像。
[00川步驟2 :將輸入的視頻圖像序列f (X，y，t)由RGB空間轉(zhuǎn)換到CIELAB空間，根據(jù) CffiLAB空間中《道灰度直方圖的雙峰性，從及日通道陰影減弱和灰度分布的單峰性，通 過闊值分割方法得到圖像中的陰影區(qū)域，具體步驟如下：
[0072] 2-1)將輸入的視頻圖像序列的第t帖f (X，y，t)先由RGB空間轉(zhuǎn)換到CIEXYZ空 間，再由CIEXYZ空間轉(zhuǎn)換到CIELAB空間，轉(zhuǎn)換公式如下：
[007引公式似的ΧΛΖ。是CIE標(biāo)準(zhǔn)照明體的立刺激值，取標(biāo)準(zhǔn)照明體C的立刺激值，分 別為 X0= 98. 07, Y。= 100, Z。= 118, 22。
[0076] 2-2)根據(jù)CIELAB空間中1/通道灰度直方圖的雙峰性質(zhì)，設(shè)定灰度圖雙峰間的波 谷為闊值thl，thl取值范圍為[5, 10]，取thl = 10,將f(x，y，t)中像素灰度值小于thl的 圖像記為11 (X，y，t)，然后根據(jù)3^^通道陰影減弱和灰度分布單峰性，設(shè)立灰度圖最左邊的波 谷為闊值th2, th2取值范圍為化05,3]，取th2 = 3,將f(x，y，t)中像素灰度值小于th2 的圖像記為T2 (X，y，t)，將T1 (X，y，t)和T2 (X，y，t)相與得到f (X，y，t)中的陰影區(qū)域圖像； 與運(yùn)算的結(jié)果為AND (X，y，t)，與運(yùn)算的數(shù)學(xué)表達(dá)式為：
[0077]
㈱
[007引步驟3 :采用顏色恒常算法分別估計(jì)陰影區(qū)域圖像η (XI，yi，t)和非陰影區(qū)域圖像 b(X2, 72, t)的光照顏色，計(jì)算將η (XI，yi，t)中像素點(diǎn)變換到非陰影區(qū)光照效果下的顏色校 正增益，然后通過顏色校正增益將陰影區(qū)域的圖像顏色校正到無陰影的效果，具體步驟如 下：
[00巧]3-1)對n(Xi, Yi, t)和b(X2, Y2, t)分別進(jìn)行顏色恒常計(jì)算，估計(jì)出n(Xi, Yi, t)的光 照顏色ei和b (X 2, y2, t)的光照顏色θ2:
陽0間公式（4)和（5)中，ei和e 2是由RGB S個(gè)顏色通道組合成的光照顏色，sum(n) 和sum(b)分別為n(Xi, yi, t)和b(X2, 72, t)的像素點(diǎn)總數(shù)，ki和k 2分別為n(x 1，yi, t)和 b (? y2, t)的顏色校正增益，由RGB Ξ個(gè)顏色通道組成；顏色校正增益的計(jì)算公式如下：
[0083]
巧)： 陽084] 其中，當(dāng)i = 1時(shí)表示η(Χι, yi, t)的顏色校正增益；i = 2時(shí)表示b(X2, 72, t)的顏 色校正增益。
[00財(cái) 3-?將nOq，y。t)變換到標(biāo)準(zhǔn)光照下的圖像記作一|，0，片/)變換到標(biāo) 準(zhǔn)光照下的圖像記作於，句，變換公式如下：
[0088] 由于標(biāo)準(zhǔn)光照是國際照明委員會(huì)規(guī)定的統(tǒng)一光照，因此圖像和 /;佔(zhàn)，片，〇的場景光照是一樣的，令11〇^，71，〇變換到非陰影區(qū)光照62下之后的圖像為 巧h，巧，4,按照公式（7)、做將n(Xi，yi，t)和存(而，義，句統(tǒng)一變換到標(biāo)準(zhǔn)光照下，則有
[0089]
(9)
[0090] 3-扣根據(jù)公式巧），得到去除陰影后的圖像6(x,，.r,，〇:
[0091]
(10) 陽09引步驟4 :手動(dòng)選取跟蹤目標(biāo)，將跟蹤目標(biāo)按照運(yùn)動(dòng)形變大小劃分為8個(gè)子塊，8個(gè)子 塊從上到下、從左到右依次編號(hào)，第一排3個(gè)子塊，第二排3個(gè)子塊，第Ξ排2個(gè)子塊，坐標(biāo) 原點(diǎn)化0)設(shè)置在矩形框0.5倍寬度與起始高度（位于跟蹤目標(biāo)的外接矩形框頂部）的交 匯處，分塊結(jié)果W y = 0軸左右對稱。
[0093] 步驟5 :假設(shè)跟蹤目標(biāo)在前一帖ti無遮擋，在當(dāng)前帖12, W前一帖ti的跟蹤目標(biāo)位 置為中屯、，找出使第5子塊的漢明距離取最小值的η個(gè)候選窗口，分別計(jì)算上述候選窗口的 總漢明距離，找出使總漢明距離取最小值的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的 顏色自相似性，若至少有5個(gè)子塊的顏色自相似性相匹配，則用該候選窗口更新t2的跟蹤 目標(biāo)；否則，找到使總漢明距離取值第二小的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的 顏色自相似性，W此類推，直到找到符合條件的候選窗口，并用此候選窗口更新t2的跟蹤目 標(biāo)。具體步驟如下：
[0094] 5-1)在當(dāng)前帖t2, Wti跟蹤目標(biāo)位置為中屯、，掃描窗口大小為wi化h*hei曲t，其中 wi化h表示跟蹤目標(biāo)外接矩形框的寬度，hei曲t表示跟蹤目標(biāo)外接矩形框的高度，取wi化h =17，hei曲t = 48,在大小為3wi化h*3hei曲t的區(qū)域內(nèi)進(jìn)行滑動(dòng)掃描，計(jì)算所有掃描窗口 中第5子塊的哈希編碼，找出使其與跟蹤目標(biāo)間漢明距離取最小值的η個(gè)掃描窗口，即為候 選窗口，依次記為Hi, &，…，Η。，其中Hi為使第5子塊漢明距離取最小值的候選窗口，Η。為 使第5子塊漢明距離取最大值的候選窗口，且滿足Η"-Ηι《 th3,取th3 = 10 ;優(yōu)先匹配第5 子塊的原因是跟蹤目標(biāo)在相鄰帖間的相對運(yùn)動(dòng)距離較小，因此跟蹤目標(biāo)區(qū)域也是逐帖慢慢 被遮擋或消失的，即不可能從上一帖完全可見到下一帖完全消失，由于第5子塊位于跟蹤 目標(biāo)的中屯、，因此假設(shè)第5子塊在t2沒有被遮擋，或者只是被遮擋一小部分，不影響掃描窗 口與跟蹤目標(biāo)中第5子塊的匹配結(jié)果；分塊感知哈希編碼與漢明距離的計(jì)算步驟如下：
[0095] 5-1-1)對跟蹤目標(biāo)的8個(gè)子塊賦予不同的權(quán)重W化)，其中似表示第k個(gè)子塊， w(k)定義如下：
[0096]
(11)
[0097] 5-1-2)將各個(gè)子塊轉(zhuǎn)換成灰度圖像，并縮小至大小為32*32的正方形區(qū)域W簡化 離散余弦變換值CT)，若某個(gè)子塊的長度或?qū)挾刃∮?2個(gè)像素，則W長度和寬度中的較小 值為壓縮尺寸進(jìn)行壓縮，然后對壓縮后的正方形塊進(jìn)行DCT變換：
陽100] 其中，u, V表示變換域中的頻率分量，F(xiàn)化0)表示變換域中的低頻成分，F(xiàn)(u, V)表 示變換域的高頻成分，N表示跟蹤目標(biāo)塊的尺寸；經(jīng)過DCT變換得到的變換系數(shù)矩陣左上角 為低頻系數(shù)，由于低頻信息描述圖像的大部分信息，因此只保留左上角8*8的矩陣。 陽101] 5-1-3)對8*8的DCT矩陣進(jìn)行哈希編碼： 陽102]
(14) 陽103] 其中，化sh(i，k)為第k個(gè)子塊中的第i個(gè)編碼，G(i，k)是第k個(gè)子塊的DCT矩陣 中第i個(gè)元素的值，mearik為第k個(gè)子塊的DCT矩陣的均值。
[0104] 5-1-4)記跟蹤目標(biāo)的第k個(gè)子塊的第i個(gè)編碼值為化sh。(i，k)，掃描窗口的第k 個(gè)子塊的第i個(gè)編碼值為化shi (i，k)，則跟蹤目標(biāo)與掃描窗口的第k個(gè)子塊間的漢明距離 dis(k)為：
[0105]
胸
[0106] 5-。依次比較Hi,&，…，H。的總漢明距離，找出使總漢明距離取最小值的候選窗 口，上述候選窗口是t2中跟蹤目標(biāo)最有可能位于的位置，記為W1，并判斷Wi與跟蹤目標(biāo)中具 有相同編號(hào)的子塊是否匹配；定義Hi, &，…，H。的總漢明距離分別為D 1, 〇2,…，D。，歸一化 漢明距離因子NDiSm(k)，其中化）表示第k個(gè)子塊，NDiSm(k)和化，〇2，···，0。的定義公式如 下：
[0109] 定義diSm似為第m個(gè)候選窗口的第k個(gè)子塊的漢明距離，則Wi與跟蹤目標(biāo)中具 有相同編號(hào)子塊的哈希編碼的匹配公式為： 陽110]
陽1川其中，1《m《n，TMi，TM2，TM3均為闊值參數(shù)，TMi的取值范圍為[10,20]，取TMi =15, TM2的取值范圍為巧5, 35]，取TM 2= 30, TM 3的取值范圍為[45, 55]，取TM 3= 50， matchm(k)表示該子塊與跟蹤目標(biāo)是否匹配，matchm(k) = 1表示匹配；matchm(k) = ο表示 不匹配。
[0112] 5-3)找出Wi中使match(k) = 1的所有子塊，計(jì)算運(yùn)些子塊與跟蹤目標(biāo)中對應(yīng)子 塊的顏色自相似性，根據(jù)顏色自相似性判斷子塊對是否匹配，若至少有5個(gè)子塊對相匹配， 說明Wi是12時(shí)跟蹤目標(biāo)的位置，并用使match化）=1的子塊更新跟蹤目標(biāo)的位置與外接 矩形框的尺寸；否則，找到化，〇2,…，D。中取值第二小的候選窗口，記作W 2,計(jì)算其與跟蹤目 標(biāo)各個(gè)對應(yīng)子塊的顏色自相似性，W此類推，直到找到符合條件的候選窗口，記作W。，并用 W。中使match化）=1的子塊更新t2中的跟蹤目標(biāo);W。和跟蹤目標(biāo)中具有相同編號(hào)子塊的 顏色自相似性的計(jì)算步驟如下：
[0113] 5-3-1)計(jì)算跟蹤目標(biāo)與W。中各個(gè)子塊的顏色直方圖：將RGB顏色空間量化至 16*16*16的量化級(jí)，通過計(jì)算子塊中像素點(diǎn)的顏色落在每個(gè)量化區(qū)間內(nèi)的數(shù)量得到顏色直 方圖，記跟蹤目標(biāo)與W。中各個(gè)子塊的顏色直方圖分別為C 似和C。似，歸一化的顏色直方 圖計(jì)算公式如下： 陽114]
Π 9)
[0115] 其中，Ne(k)是第k個(gè)子塊的總像素?cái)?shù)，N(r，g，b)表示子塊中具有顏色巧= r，G =g，B = b)的個(gè)數(shù)，m = 1表示跟蹤目標(biāo)的顏色直方圖；m = 2表示W(wǎng)。的顏色直方圖。 陽116] 5-3-2)采用己氏距離判斷跟蹤目標(biāo)與Wi中各個(gè)對應(yīng)子塊的顏色直方圖的相似性， Cti(k)和Ct2似的己氏距離為： 陽117]
陽11引其中，Μ表示顏色直方圖的量化級(jí)數(shù)，此處為16, P (Cti(k)，C。化)）越小，兩個(gè)子 塊的顏色直方圖越相似；設(shè)定^個(gè)闊值參數(shù)1\，了2，了3，取值范圍均為[0，1]，且了1。2。3，取了1 =0. 15, 了2= 0.33, T 3= 0.60,根據(jù)如下公式判斷跟蹤目標(biāo)與W。中的對應(yīng)子塊是否相似： 陽119]
[0120] 其中，S化）為相似性參數(shù)，S化）=1表示跟蹤目標(biāo)與W。中的對應(yīng)子塊相似；S化） =0表示不相似。 陽12U 步驟6 :在當(dāng)前帖t2,若更新后的跟蹤目標(biāo)外接矩形框變小，說明跟蹤目標(biāo)在t2被 部分遮擋，在下一帖t3,根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及t 3中是否找到匹配的跟蹤目 標(biāo)選取不同的跟蹤方式；若更新后的跟蹤目標(biāo)外接矩形框沒有變小，說明跟蹤目標(biāo)在t2沒 有被遮擋，返回步驟5。根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及t 3中是否找到匹配的跟蹤目 標(biāo)選取不同的跟蹤方式，跟蹤方式具體分為W下六種情況：
[0122] ①若跟蹤目標(biāo)的左半部分在t2被遮擋，即當(dāng)k = 1，4, 7時(shí)，至少有兩個(gè)使match (k) =0,在t3中第2子塊、第5子塊或第2子塊和第5子塊被遮擋，因此在13? 12中的跟蹤目 標(biāo)為中屯、，在其周圍區(qū)域進(jìn)行窗口掃描時(shí)，采用第3子塊、第6子塊和第8子塊組合成的總 漢明距離與跟蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Df,m，下標(biāo)m表示當(dāng)前的掃描窗口為 第m個(gè)，Df,m的計(jì)算公式如下： 陽12引
（22) 陽124] 找到使Df,m取值最小的掃描窗口，且該掃描窗口中的第3子塊、第6子塊和第8子 塊中至少要有兩個(gè)使match (k) = 1，之后，計(jì)算該掃描窗口中使match (k) = 1的所有子塊 與跟蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并 用此候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)。 陽1巧]②若跟蹤目標(biāo)的右半部分在t2被遮擋，即當(dāng)k = 3, 6, 8時(shí)，至少有兩個(gè)使match化） =0,在t3中第2子塊、第5子塊或第2子塊和第5子塊被遮擋，因此在13? 12中的跟蹤目 標(biāo)為中屯、，在其周圍區(qū)域進(jìn)行窗口掃描時(shí)，采用第1子塊、第4子塊和第7子塊組成的總漢 明距離與跟蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Di,m，Di,m的計(jì)算公式為：
[0126]
腳 陽127] 找到使Di,m取值最小的掃描窗口，且該掃描窗口中的第1子塊、第4子塊和第7子 塊中至少要有兩個(gè)使match (k) = 1，之后，計(jì)算該掃描窗口中使match (k) = 1的所有子塊 與跟蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并 用此候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)。
[0128] ③若跟蹤目標(biāo)的上半部分在t2被遮擋，即當(dāng)k = 1，2, 3時(shí)，其中至少有兩個(gè)使 match化）=0,在t3中第4子塊、第5子塊或第6子塊可能被遮擋，因此在13? 12中的跟 蹤目標(biāo)為中屯、，在其周圍區(qū)域進(jìn)行窗口掃描時(shí)，采用第7子塊和第8子塊組成的總漢明距離 與跟蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Dd,m，Dd,m的計(jì)算公式為：
[0129]
餐4)
[0130] 找到使Dd,m取值最小的掃描窗口，且該掃描窗口中的第7子塊和第8子塊中至少 要有兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊與跟蹤目 標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并用此候選 窗口中使match (k) = 1的子塊更新中的跟蹤目標(biāo)。
[0131] ④若跟蹤目標(biāo)的下半部分在t2被遮擋，即當(dāng)k = 7, 8時(shí)，其中至少有兩個(gè)使 match化）=0,在t3中第4子塊、第5子塊或第6子塊可能被遮擋，因此在13? 12中的跟 蹤目標(biāo)為中屯、，在其周圍區(qū)域進(jìn)行窗口掃描時(shí)，采用第1子塊、第2子塊和第3子塊組成的 總漢明距離與跟蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Dg,m，D。,。的計(jì)算公式為： 陽側(cè)
腳 陽13引找到使Dg,m取值最小的掃描窗口，且該掃描窗口中的第1子塊、第2子塊和第3子 塊中至少要有兩個(gè)使match (k) = 1，之后，計(jì)算該掃描窗口中使match (k) = 1的所有子塊 與跟蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并 用此候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)。
[0134] ⑥若①~④沒有找到滿足條件的掃描窗口，且跟蹤目標(biāo)在t2的外接矩形框的某一 條邊距離視場邊界不大于5個(gè)像素，說明跟蹤目標(biāo)在t3運(yùn)動(dòng)出攝像機(jī)視場，在之后的視頻 帖中，繼續(xù)W t2中的跟蹤目標(biāo)為中屯、進(jìn)行窗口掃描，若跟蹤目標(biāo)的某一部分在t 2被遮擋，貝U 采用與上述子塊位置對稱的子塊組成的總漢明距離和顏色自相似性與跟蹤目標(biāo)進(jìn)行匹配； 定義變量num表示跟蹤目標(biāo)消失的帖數(shù)，若num大于闊值time,說明跟蹤目標(biāo)永遠(yuǎn)消失；否 貝1J，返回步驟5,重新對跟蹤目標(biāo)進(jìn)行分塊感知哈希跟蹤；time的取值范圍為巧00, 220]，取 time = 200。
[0135] ⑧若①~④沒有找到滿足條件的掃描窗口，且跟蹤目標(biāo)在t2的外接矩形框的所有 邊距離跟蹤目標(biāo)邊界均大于5個(gè)像素，說明跟蹤目標(biāo)在t3被完全遮擋，在下一帖t 4,用跟 蹤目標(biāo)未被遮擋，即ti中的外接矩形框作為掃描窗口的尺寸，在t 2的跟蹤目標(biāo)中屯、點(diǎn)的周 圍區(qū)域進(jìn)行滑動(dòng)掃描，計(jì)算掃描窗口與ti的跟蹤目標(biāo)中各個(gè)子塊的匹配度match m(k)，若 matchm(k) = 1，說明第m個(gè)掃描窗口的第k個(gè)子塊與跟蹤目標(biāo)的第k個(gè)子塊相匹配，然后 找出使matchm化）=1的所有掃描窗口及其包含的子塊，并計(jì)算上述掃描窗口的總漢明距 離和顏色自相似性，得到最佳掃描窗口，用該窗口中使match化）=1的子塊更新跟蹤目標(biāo)； 若t4中的所有掃描窗口子塊的match m(k)都等于0,則在下一帖te中繼續(xù)W 11的跟蹤目標(biāo) 外接矩形框作為掃描窗口的尺寸，在t2的跟蹤目標(biāo)中屯、點(diǎn)周圍進(jìn)行滑動(dòng)掃描，重復(fù)上述掃 描步驟，直至找到與跟蹤目標(biāo)相匹配的掃描窗口，并用該掃描窗口更新當(dāng)前帖的跟蹤目標(biāo)。 陽136] 結(jié)合圖3,輸入視頻圖像序列f(x，y，t)，從圖3可知，一種帶有陰影去除的分塊感 知哈希跟蹤方法能夠準(zhǔn)確地跟蹤感興趣的跟蹤目標(biāo)，具有很好的跟蹤效果。它是根據(jù)人體 不同部位運(yùn)動(dòng)范圍與形變程度的不同，將人體分成8塊，并對不同的塊賦予不同的權(quán)值，得 到加權(quán)的分塊感知哈希編碼，具有魯棒性強(qiáng)、特征向量簡單和計(jì)算復(fù)雜度低的優(yōu)點(diǎn)；另外該 方法采用顏色恒常算法和Von Kries色系數(shù)定律將陰影區(qū)像素點(diǎn)恢復(fù)至無陰影效果，克服 了跟蹤目標(biāo)在陰影區(qū)與非陰影區(qū)之間運(yùn)動(dòng)時(shí)，一般跟蹤算法因光照突變難W跟蹤目標(biāo)的問 題；同時(shí)本發(fā)明將基于分塊的感知哈希編碼與顏色自相似性相結(jié)合來對相鄰帖的跟蹤目標(biāo) 進(jìn)行匹配，可W將細(xì)節(jié)變化對全局結(jié)果的影響限制在局部，即使人體部分旋轉(zhuǎn)和遮擋，也能 有效識(shí)別出相同跟蹤目標(biāo)和不同跟蹤目標(biāo)D
【主權(quán)項(xiàng)】
1. 一種帶有陰影去除的分塊感知哈希跟蹤方法，其特征在于，包括W下步驟： 步驟1 :輸入視頻圖像序列f (X，y, t)，第t帖圖像的大小為M*N，M為圖像的行數(shù)，N為 圖像的列數(shù)，且M、N均為自然數(shù)，（x，y)表示圖像像素點(diǎn)的位置坐標(biāo)，t表示視頻序列的第t 帖圖像； 步驟2 :將輸入的視頻圖像序列f(x，y，t)由RGB空間轉(zhuǎn)換到CIELAB空間，根據(jù)CIELAB 空間中1/通道灰度直方圖的雙峰性，^及3"^通道陰影減弱和灰度分布的單峰性，通過闊值 分割方法得到圖像中的陰影區(qū)域； 步驟3 :采用顏色恒常算法分別估計(jì)出陰影區(qū)域圖像n(xi，yi，t)和非陰影區(qū)域圖像 b(X2, 72, t)的光照顏色，計(jì)算將n (XI，yi，t)中像素點(diǎn)變換到非陰影區(qū)光照效果下的校正增 益，然后通過顏色校正增益將陰影區(qū)域的圖像顏色校正到無陰影的效果； 步驟4 :選取跟蹤目標(biāo)，將跟蹤目標(biāo)按照運(yùn)動(dòng)形變大小劃分為8個(gè)子塊，8個(gè)子塊從上到 下、從左到右依次編號(hào)，第一排3個(gè)子塊，第二排3個(gè)子塊，第=排2個(gè)子塊，坐標(biāo)原點(diǎn)（0, 0) 設(shè)置在矩形框0. 5倍寬度與起始高度的交匯處，分塊結(jié)果W y = 0軸左右對稱； 步驟5 :假設(shè)跟蹤目標(biāo)在前一帖ti無遮擋，在當(dāng)前帖12, W前一帖ti的跟蹤目標(biāo)位置為 中屯、，找出使第5子塊的漢明距離取最小值的n個(gè)候選窗口，分別計(jì)算上述候選窗口的總漢 明距離，找出使總漢明距離取最小值的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的顏色 自相似性，若至少有5個(gè)子塊的顏色自相似性相匹配，則用該候選窗口更新t2的跟蹤目標(biāo)； 否則，找到使總漢明距離取值第二小的候選窗口，計(jì)算其與跟蹤目標(biāo)各個(gè)對應(yīng)子塊的顏色 自相似性，W此類推，直到找到符合條件的候選窗口，并用此候選窗口更新t2的跟蹤目標(biāo)； 步驟6 :在當(dāng)前帖t2,若更新后的跟蹤目標(biāo)外接矩形框變小，說明跟蹤目標(biāo)在t2被部分 遮擋，在下一帖t3,根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及t 3中是否找到匹配的跟蹤目標(biāo)選 取不同的跟蹤方式；若更新后的跟蹤目標(biāo)外接矩形框沒有變小，說明跟蹤目標(biāo)在t2沒有被 遮擋，返回步驟5。2. 根據(jù)權(quán)利要求1所述的帶有陰影去除的分塊感知哈希跟蹤方法，其特征在于，上述 步驟5中，更新t2的跟蹤目標(biāo)具體步驟為： 5-1)在當(dāng)前帖t2, W ti跟蹤目標(biāo)位置為中屯、，掃描窗口大小為Wi化h*hei曲t，其中 width表示跟蹤目標(biāo)外接矩形框的寬度，hei曲t表示跟蹤目標(biāo)外接矩形框的高度，在大小 為3width*3hei曲t的區(qū)域內(nèi)進(jìn)行滑動(dòng)掃描，計(jì)算所有掃描窗口中第5子塊的哈希編碼， 找出使其與跟蹤目標(biāo)間漢明距離取最小值的n個(gè)掃描窗口，即為候選窗口，依次記為Hi， &，…，H。，其中Hi為使第5子塊漢明距離取最小值的候選窗口，H。為使第5子塊漢明距離 取最大值的候選窗口，且滿足th3,取th3 = 10 ;分塊感知哈希編碼與漢明距離的計(jì) 算步驟如下： 5-1-1)對跟蹤目標(biāo)的8個(gè)子塊賦予不同的權(quán)重W化)，其中化）表示第k個(gè)子塊，W化） 定義如下：陽） 5-1-2)將各個(gè)子塊轉(zhuǎn)換成灰度圖像，并縮小至大小為32*32的正方形區(qū)域W簡化DCT 變換，若某個(gè)子塊的長度或?qū)挾刃∮?2個(gè)像素，則W長度和寬度中的較小值為壓縮尺寸進(jìn) 行壓縮，然后對壓縮后的正方形塊進(jìn)行DCT變換：(13) 其中，U，V均表示變換域中的頻率分量，F(xiàn)化0)表示變換域中的低頻成分，F(xiàn)(u，v)表示 變換域的高頻成分，N表示跟蹤目標(biāo)塊的尺寸；經(jīng)過DCT變換得到的變換系數(shù)矩陣左上角為 低頻系數(shù)，由于低頻信息描述圖像的大部分信息，因此只保留左上角8*8的矩陣； 5-1-3)對8*8的DCT矩陣進(jìn)行哈希編碼：M4) 其中，化Sh (i，k)為第k個(gè)子塊中的第i個(gè)編碼，G (i，k)是第k個(gè)子塊的DCT矩陣中第 i個(gè)元素的值，mearik為第k個(gè)子塊的DCT矩陣的均值； 5-1-4)記跟蹤目標(biāo)的第k個(gè)子塊的第i個(gè)編碼值為化sh。(i，k)，掃描窗口的第k個(gè) 子塊的第i個(gè)編碼值為化Shi (i，k)，則跟蹤目標(biāo)與掃描窗口的第k個(gè)子塊間的漢明距離 dis化）為：5-。依次比較Hi, &，…，H。的總漢明距離，找出使總漢明距離取最小值的候選窗口，上 述候選窗口是t2中跟蹤目標(biāo)最有可能位于的位置，記為W 1，并判斷Wi與跟蹤目標(biāo)中具有相 同編號(hào)的子塊是否匹配；定義Hi, &，…，H。的總漢明距離分別為D 1，〇2,…，D。，歸一化漢明 距離因子NDiSm(k)，其中（k)表示第k個(gè)子塊，NDiSm(k)和化，〇2，"'，0。的定義公式如下：(1句 (17) 定義dism(k)為第m個(gè)候選窗口的第k個(gè)子塊的漢明距離，則Wi與跟蹤目標(biāo)中具有相 同編號(hào)子塊的哈希編碼的匹配公式為：(職 其中，1《111《11，111，112，113均為闊值參數(shù)，111的取值范圍為[10,20]，112的取值 范圍為巧5, 35]，TMj的取值范圍為[45,55]，match m(k)表示該子塊與跟蹤目標(biāo)是否匹配， matchm(k) = 1表示匹配；matchm(k) = O表示不匹配； 5-3)找出Wi中使match化）=1的所有子塊，計(jì)算運(yùn)些子塊與跟蹤目標(biāo)中對應(yīng)子塊的 顏色自相似性，根據(jù)顏色自相似性判斷子塊對是否匹配，若至少有5個(gè)子塊對相匹配，說明 Wi是12中跟蹤目標(biāo)的位置，并用使match化）=1的子塊更新跟蹤目標(biāo)的位置與外接矩形 框的尺寸杏則，找到Di, 〇2,…，D。中取值第二小的候選窗口，記作W 2,計(jì)算其與跟蹤目標(biāo)各 個(gè)對應(yīng)子塊的顏色自相似性，W此類推，直到找到符合條件的候選窗口，記作W。，并用W。中 使match化）=1的子塊更新t2中的跟蹤目標(biāo)；W。和跟蹤目標(biāo)中具有相同編號(hào)子塊的顏色 自相似性的計(jì)算步驟如下： 5-3-1)計(jì)算跟蹤目標(biāo)與W。中各個(gè)子塊的顏色直方圖：將RGB顏色空間量化至16*16*16 的量化級(jí)，通過計(jì)算子塊中像素點(diǎn)的顏色落在每個(gè)量化區(qū)間內(nèi)的數(shù)量得到顏色直方圖，記 跟蹤目標(biāo)與W。中各個(gè)子塊的顏色直方圖分別為C U化）和Ct2化)，歸一化的顏色直方圖計(jì)算 公式如下：O巧 其中，吼化）是第k個(gè)子塊的總像素?cái)?shù)，N(r，g，b)表示子塊中具有顏色巧=r，G = g，B =b)的個(gè)數(shù)，m = 1表示跟蹤目標(biāo)的顏色直方圖；m = 2表示W(wǎng)。的顏色直方圖； 5-3-2)采用己氏距離判斷跟蹤目標(biāo)與Wi中各個(gè)對應(yīng)子塊的顏色直方圖的相似性， Cti似和C。似的己氏距離P杞1似，CcGO)為：腳) 其中，M表示顏色直方圖的量化級(jí)數(shù)，此處為16, P (Cu化)，Ct2化)）越小，兩個(gè)子塊的顏 色直方圖越相似；設(shè)定S個(gè)闊值參數(shù)Tl, Tz, Ts,取值范圍均為[0, 1]，且Ti<T2<T3,根據(jù)如下 公式判斷跟蹤目標(biāo)與W。中的對應(yīng)子塊的顏色是否相似：(刻） 其中，S化）為相似性參數(shù)，S化）=1表示跟蹤目標(biāo)與W。中的對應(yīng)子塊相似；S化）=0 表示不相似。3.根據(jù)權(quán)利要求1所述的帶有陰影去除的分塊感知哈希跟蹤方法，其特征在于，上述 步驟6所述的根據(jù)跟蹤目標(biāo)在t2被遮擋的情況W及13中是否找到匹配的跟蹤目標(biāo)選取不 同的跟蹤方式；跟蹤方式具體分為W下六種情況： ①若跟蹤目標(biāo)的左半部分在*2被遮擋，即當(dāng)k = 1，4, 7時(shí)，至少有兩個(gè)使match (k)= 0,在t3中進(jìn)行窗口掃描時(shí)，采用第3子塊、第6子塊和第8子塊組合成的總漢明距離與跟 蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Df,m，下標(biāo)m表示當(dāng)前的掃描窗口為第m個(gè)，Df,m的 (22) 計(jì)算公式如下： 找到使Dfim取值最小的掃描窗口，且該掃描窗口中的第3子塊、第6子塊和第8子塊中 至少要有兩個(gè)使match (k) = 1，之后，計(jì)算該掃描窗口中使match (k) = 1的所有子塊與跟 蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并用此 候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)； ② 若跟蹤目標(biāo)的右半部分在t2被遮擋，即當(dāng)k = 3, 6, 8時(shí)，至少有兩個(gè)使match化）= 0,在t3中進(jìn)行窗口掃描時(shí)，采用第1子塊、第4子塊和第7子塊組成的總漢明距離與跟蹤 目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為Di,m，Di,m的計(jì)算公式為：(23) 找到使I\m取值最小的掃描窗口，且該掃描窗口中的第1子塊、第4子塊和第7子塊中 至少要有兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊與跟 蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并用此 候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)； ③ 若跟蹤目標(biāo)的上半部分在t2被遮擋，即當(dāng)k = 1，2, 3時(shí)，其中至少有兩個(gè)使match化） =0,在t3中進(jìn)行窗口掃描時(shí)，采用第7子塊和第8子塊組成的總漢明距離與跟蹤目標(biāo)進(jìn)行 匹配，記此時(shí)的總漢明距離為Dd.m，Dd,m的計(jì)算公式為：<24) 找到使Dd,m取值最小的掃描窗口，且該掃描窗口中的第7子塊和第8子塊中至少要有 兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊與跟蹤目標(biāo)中 對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并用此候選窗口 中使match化）=1的子塊更新t3中的跟蹤目標(biāo)； ④ 若跟蹤目標(biāo)的下半部分在t2被遮擋，即當(dāng)k = 7, 8時(shí)，其中至少有兩個(gè)使match化） =0,在t3中進(jìn)行窗口掃描時(shí)，采用第1子塊、第2子塊和第3子塊組成的總漢明距離與跟 蹤目標(biāo)進(jìn)行匹配，記此時(shí)的總漢明距離為D。,。，D。,。的計(jì)算公式為：(巧 找到使D^m取值最小的掃描窗口，且該掃描窗口中的第1子塊、第2子塊和第3子塊中 至少要有兩個(gè)使match化）=1，之后，計(jì)算該掃描窗口中使match化）=1的所有子塊與跟 蹤目標(biāo)中對應(yīng)子塊的顏色自相似性，按照步驟5-3)，找到符合條件的最佳候選窗口，并用此 候選窗口中使match化）=1的子塊更新t3中的跟蹤目標(biāo)； ⑥若①~④沒有找到滿足條件的掃描窗口，且跟蹤目標(biāo)在t2的外接矩形框的某一條邊 距離視場邊界不大于5個(gè)像素，說明跟蹤目標(biāo)在t3運(yùn)動(dòng)出攝像機(jī)視場，在之后的視頻帖中， 繼續(xù)W t2中的跟蹤目標(biāo)為中屯、進(jìn)行窗口掃描，若跟蹤目標(biāo)的某一部分在12被遮擋，則采用 與上述子塊位置對稱的子塊組成的總漢明距離和顏色自相似性與跟蹤目標(biāo)進(jìn)行匹配；定義 變量num表示跟蹤目標(biāo)消失的帖數(shù)，若num大于闊值time,說明跟蹤目標(biāo)永遠(yuǎn)消失；否則， 返回步驟5,重新對跟蹤目標(biāo)進(jìn)行分塊感知哈希跟蹤；time的取值范圍為巧00, 220]; ⑧若①~④沒有找到滿足條件的掃描窗口，且跟蹤目標(biāo)在t2的外接矩形框的所有邊 距離跟蹤目標(biāo)邊界均大于5個(gè)像素，說明跟蹤目標(biāo)在t3被完全遮擋，在下一帖14,用跟蹤 目標(biāo)未被遮擋，即ti中的外接矩形框作為掃描窗口的尺寸，在12的跟蹤目標(biāo)中屯、點(diǎn)的周 圍區(qū)域進(jìn)行滑動(dòng)掃描，計(jì)算掃描窗口與ti的跟蹤目標(biāo)中各個(gè)子塊的匹配度match m(k)，若 matchm(k) = 1，說明第m個(gè)掃描窗口的第k個(gè)子塊與跟蹤目標(biāo)的第k個(gè)子塊相匹配，然后 找出使matchm化）=1的所有掃描窗口及其包含的子塊，并計(jì)算上述掃描窗口的總漢明距 離和顏色自相似性，得到最佳掃描窗口，用該窗口中使match化）=1的子塊更新跟蹤目標(biāo)； 若t4中的所有掃描窗口子塊的match m(k)都等于0,則在下一帖te中繼續(xù)W 11的跟蹤目標(biāo) 外接矩形框作為掃描窗口的尺寸，在t2的跟蹤目標(biāo)中屯、點(diǎn)周圍進(jìn)行滑動(dòng)掃描，重復(fù)上述掃 描步驟，直至找到與跟蹤目標(biāo)相匹配的掃描窗口，并用該掃描窗口更新當(dāng)前帖的跟蹤目標(biāo)。
【文檔編號(hào)】G06T7/20GK105989611SQ201510062052
【公開日】2016年10月5日
【申請日】2015年2月5日
【發(fā)明人】隋修寶, 沈雪薇, 陳錢, 顧國華, 潘科辰, 陶遠(yuǎn)榮, 匡小冬, 劉源, 趙耀, 錢惟賢, 于雪蓮, 何偉基
【申請人】南京理工大學(xué)