光照突变下的目标跟踪算法研究 毕业论文.doc

《光照突变下的目标跟踪算法研究 毕业论文.doc》由会员分享，可在线阅读，更多相关《光照突变下的目标跟踪算法研究 毕业论文.doc（38页珍藏版）》请在三一文库上搜索。

1、 毕业设计（ 论文） 题 目 光照突变下的目标跟踪算法研究 专 业 电子信息工程 班 级 学 生 指导教师 摘摘要要 运动目标的提取与跟踪是应用视觉研究领域一个重要课题，在军事 工业和民用生活等领域如目标跟踪、交通自动导航、视频信号传输和机 器人视觉等领域应用广泛。目前，随着图像处理技术的发展，目标提取 与跟踪技术得到了飞速发展。但是，目前对目标提取和跟踪算法的研究 光照突变下的目标跟踪算法研究 还存在局限性。对某些运动目标的提取和跟踪测试，在实验室中的效果 很好，但在实际应用中，由于许多不可预知的环境条件 (光照、气候、 能见度等)的影响，使目标图像提取难度加大，进而影响到目标跟踪的稳 定性

2、。所以，对运动目标跟踪系统进行深入研究，具有很重要的学术意 义和实用价值。 在现有的目标跟踪技术中，多数是针对无光照突变的目标跟踪。由 于光照突变时目标颜色突变，对目标的准确匹配提出更高的要求，所以 光照突变下的目标跟踪一直是目标跟踪领域的难点问题。本文研究的是 基于 HSV 表色系的光照突变下的目标跟踪方法，所以需要利用色系转换 来减弱光照突变对目标匹配的影响，从而达到对目标准确跟踪的目的。 本文分析了前人在目标跟踪领域的研究现状，总结了目前的研究成 果，并详细介绍了几种目标检测、特征匹配技术。在目标检测过程中， 本文采用单高斯的目标检测方法，然后采用巴氏距离匹配的方法实现目 标特征匹配，针

3、对这一算法在颜色特征匹配过程中出现的匹配错误，本 文并没有选取其他的特征再做匹配，而是采用颜色特征更新的方法，不 仅可以大幅提高匹配准确性，而且使得算法具有更强的适应性。另外本 文也对中性色目标进行了实验，实验结果表明本文的算法具有较强的鲁 棒性。 关键词：视频序列；目标检测； RGB 色彩空间；光照突变；HSV 表 色系；特征提取 Abstract The moving object extraction and tracking visual field application is an important topic in the military industrial and civ

4、il life and other areas such as target tracking, traffic automatic navigation, video signal transmission and robot vision field wide application. Now, along with the development of the image processing technology, target extraction and tracking technology got rapid development. But, for now, to targ

5、et extraction and tracking algorithm study also limitations. For some movement and the extraction of target tracking test in laboratory, the effect is very good, but in practical applications, because many unpredictable environmental conditions (illumination, climate, visibility, etc), the influence

6、 of the target image extraction increased difficulties, affect the stability of the target tracking. So, moving target tracking system for further research, has the very important academic value and practical value. In the existing target tracking technology, most is for no light mutations target tr

7、acking. Because light color mutations, when the target mutation to the target accurately matched demand higher, so the target tracking under light mutation has been in the field of target tracking difficult problem. In this paper the research is based on HSV color table of the target tracking under

8、light mutation methods, so need to use light color conversion to weaken the effect of object matching mutations, so as to achieve the goal of the purpose of the accurate tracking. This paper analyzes the predecessors in the target tracking of research in the field of present situation, summarizes th

9、e research achievements at present, and 光照突变下的目标跟踪算法研究 introduces several target detection, feature matching technology. In the process of target detection, this paper USES single gaussian detection method, and then used the method of pap distance matching feature matching, to realize the goals in t

10、his algorithm in color matching features appeared in the process of matching error, this paper and not some other characteristics of selected to do, but the match color features updated method, not only can greatly improve the accuracy, and that match algorithm has better adaptability. In addition t

11、o this paper also neuter color target the experiment, the experimental results show that this algorithm has strong robustness. Keywords：Video sequence；Target detection；RGBcolor model；Illumination mutations；HSV color model；feature extraction I 目目录录 第第一一章章 绪绪论论.1 1.1 引言 1 1.2 国内外研究现状 3 1.3 本文的主要研究内容及结

12、构 .4 第第二二章章 运运动动目目标标检检测测 .6 2.1 引言 .6 2.2 单高斯背景建模 7 2.2.1 构建背景模型 7 2.2.2 背景更新 8 2.3 二值图像贴标签算法 9 2.3.1 连接关系 9 2.3.2 算法步骤 10 2.4 运动目标检测实验结果分析 12 第第三三章章 色色彩彩空空间间与与特特征征提提取取 13 3.1 引言 .13 3.2 色彩空间模型 13 3.2.1 RGB 色彩模型 13 3.2.2 HSV 色彩模型 15 3.2.3 RGB 转换到 HSV .16 3.3 特征提取17 3.3.1 特征提取与颜色直方图 .17 3.3.2 特征提取结果及

13、分析 .18 3.3 特征更新19 第第四四章章 运运动动目目标标跟跟踪踪 .21 4.1 引言 .21 4.2 基于颜色特征的匹配方法 21 4.3 颜色直方图的相似度评价 .23 4.3.1 巴氏距离匹配法 23 4.3.2 欧氏距离匹配法 24 4.4 实验结果分析 24 第第五五章章 实实验验结结果果及及分分析析27 致致谢谢 32 光照突变下的目标跟踪算法研究 II 参参考考文文献献.33 1 第第一一章章 绪绪论论 1 1. .1 1 引引言言 随着国民经济的快速增长、国力的不断增强和社会的迅速进步，银 行、电力、交通、安全、仓储、建筑以及军事设施等领域对安全防范和 现场记录报警系

14、统的需求与日俱增，要求越来越高，从而促进了视频监 控系统的发展。同时由于计算机硬件技术的发展，计算机在处理速度、 存储容量、并行计算等方面的性能快速提高，加之 随着高速数字信号处 理器的诞生，对运动目标的提取与实时跟踪成为可能 。可以这样认为， 随着信息技术的发展，视频监控、分析和处理在商业、国防安全和军事 应用领域中具有非常广泛的需求。例如，在军事中，视频监控系统可用 于导弹、飞机、舰艇等多种重要军事运动目标的监视、检测和跟踪；在 交通管理中，视频监控、分析和处理有助于交通流量、速度、交通事故 监控、车流密度、堵塞状况以及路面状况、气象等参数的观测、提取和 分析，并通过对这些参数调节和控制，

15、使交通自动保持最佳运行状态， 提高交通管理的自动化水平；在公共场所中可用于行人拥挤状况的监控： 在大型购物场所实时监控系统可用于消费人口信息的收集等等，都具有 广泛的应用前景。 目标跟踪是智能视频监控的一项重要研究内容，其目的是能够在视 频序列中，对所关心的目标进行实时检测与跟踪，为用户提供目标的运 动信息。关于目标跟踪的研究已有 20 多年的历史，并已应用到安防、交 通控制等领域。单相机视频监控最核心的技术环节就是目标的识别问题。 视频监控系统主要有单摄像头系统和多摄像头系统。多摄像头无重 光照突变下的目标跟踪算法研究 2 叠区域的目标跟踪，由于目标具有时空不连续性，导致目标物的位置关 系、

16、大小、以及姿态都不适合作为目标跟踪时的匹配特征，因此，取颜 色作为目标跟踪时的匹配特征是最佳的选择。本课题所研究的光照突变 情况下的目标跟踪是多摄像头目标跟踪的基础，因此，本课题采用颜色 特征作为跟踪时候的匹配特征。 光照条件变化一直是目标跟踪研究领域的一个难点问题，由于光照 条件的变化，使得拍摄的目标物颜色值与其本身的物理颜色有一定的差 异，导致了在不同光照下，相同目标的颜色特征的不一致（如图 1-1 所 示） 。因此，本文旨在寻找一种能够克服光照条件变化对目标颜色影响 的特征，进而进行准确目标跟踪。 R RG GB B 2 23 37 71 18 87 71 12 27 7 1 14 48

17、 81 11 19 94 43 3 图 1-1.不同光照条件下相同目标颜色特征对比图 1 1. .2 2 国国内内外外研研究究现现状状 到目前为止，国内外研究学者关于视频监视系统及分析处理技术 11 已经开展了大量的研究工作，也已取得了不少成果。如，早在 1997年美 3 国DARPA信息系统办公室就开始了一 个三年的计划来研究VSAM(VideoSurveillance andMonitoring)技术， 其目标是研究对视频的自动化理解技术以便建立一个能在城市或战场等 复杂环境下应用多个摄像机对人，车等的行为进行监控的系统； ECOEuropean Commission)资助的AVS-PV(

18、Advanced video-basvd surveillance prevantion ofvandalismin m咖stations)和ADVISOR(Annotated Digita)Video for Surveillance and Optimized Retrieval)项目，目的是建立 对地铁站内人们的活动行为进行监控的系统。 在美国，警方通过相机，监视暴力犯罪发案率高的街道拐角和敏感 的政府建筑，甚至用相机捕捉超速驾驶者。美国的公共汽车、火车站、 门厅、学校和商店等公共场所普遍安装了相机，安全人员在中央控制室 监视视频画面。相机已成为警方破案的得力助手。在犯罪分子作案之后，

19、警方经常通过监视录像发现可疑人员。在安装相机最多的大都市之一伦 敦，2005年7月伦敦地铁爆炸案发生后，警方通过监视录像确认了作案人。 在国内，己有许多研究机构和高等院校在运动场景的分析中投入了 相当大的研究精力近lO年来，国内各行业的研究学者发表了大量的有 关运动目标跟踪的研究成果论文另外，在运动目标跟踪的应用系统研 发方面，国内也取得了积极的研究成果如，东南大学自动控制系模式 识别实验室在“七五”期问与原电子部三所合作，完成了国防科工委重 大基础科研课题“IT-I智能电视罪踪系统一获得 1993年国家科技进步二 等奖。该系统采用基于相似性度量的模板匹配方法来识别是否存在目标， 适合于简单背

20、景下的目标识别与跟踪。在 “八五”和“九五”期间与信 息产业部电子三所共同承担了国防预研项且，分别成功研制了 “IT-2智 能电视跟踪系统”和“IT-2A智能电视跟踪系统” 。 光照突变下的目标跟踪算法研究 4 1 1. .3 3 本本文文的的主主要要研研究究内内容容及及结结构构 本文设计并实现了一个基于视频序列的光照突变下的目标跟踪算法， 该算法能实现对拍摄到的视频序列中指定的目标进行跟踪，并在目标光 照突变的情况下实现正确匹配跟踪。该算法设计的准则是保证目标跟踪 的准确性和算法的鲁棒性。 针对以上内容，本文采用如下的组织结构完成对方法的论述以及对 实验结果的分析。 第一章绪论中提出了本课题

21、的背景和目前国内外目标跟踪技术的研 究和发展情况，指出了目标跟踪是数字图像处理领域和计算机视觉领域 备受关注的前沿方向和研究热点。 第二章是目标的检测原理，主要介绍了运动目标检测的几类方法和 运动目标检测的基本原理，并介绍了二值图像的特标签算法。 第三章主要介绍了运动目标特征提取算法，分别是颜色特征提取算 法和运动特征提取算法。在此之前，还是先对目标检测的结果进行的贴 标签算法进行介绍，并介绍了本文光照突变下的目标跟踪所需引入的 HSV 表色系原理。综合分析以上两种特征提取算法的优缺点，本文最终采 用颜色特征提取算法。 第四章是目标特征匹配算法，介绍了目前常用的几种目标特征匹配 方法，分别介绍

22、了巴氏距离和欧式距离匹配方法，本文最终采用巴特沃 斯特征匹配方法。 第五章是实验结果和分析，在这一章中给出了对于输入的一段视频， 通过运动目标检测、颜色特征提取和特征匹配后达到对指定目标准确跟 踪的目的。此外，还给出了本文的算法对视频中存在中性色的目标跟踪 的处理效果，用实验充分验证了本文算法的鲁棒性。 第六章工作总结与展望，本章对本文的算法做了总结并从客观的角 5 度提出了本文的几点不足之处，最后通过对图像处理技术的未来发展做 展望以结束正文内容。 光照突变下的目标跟踪算法研究 6 第第二二章章 运运动动目目标标检检测测 2.1 引引言言 运动目标检测是指从相机的监视环境中，检测出场景内正在

23、运动的 目标。依据相机的安装平台，可以分为运动相机和静止相机。本文主要 针对静止相机情况进行目标检测。由于相机静止，所以监视场景的背景 相对固定，在该情况下，通常进行目标检测的方法有帧间差分法和背景 差分法。 帧帧间间差差分分法法，是指利用相邻两帧目标之间的较小位移来进行目标检 测。帧间差分法进行目标检测算法简单，直接将两帧图像差分即可，但 是该方法也存在一些不利因素，主要表现为检测到的目标区域不完整和 不适用于目标某一时段内相对静止的情况。目标不完整是由于相邻两帧 之间目标的运动位移较小，导致只能检测到目标的边缘。当场景内运动 目标在某一时段相对静止时，利用帧间差法则无法检测到该目标，这对

24、后续的目标跟踪不利，可能导致目标跟踪失败。 背背景景差差分分法法是静止相机环境下进行运动目标检测的一种常用方法， 其基本思路是利用当前图像与背景图像的差异来检测出运动区域的一种 技术，该方法检测出的目标区域较完整，且目标在某一时段内相对静止 时仍可以检测出，所以本文采用背景差分的方法进行运动目标检测。 利用背景差分法进行运动目标检测的 关键是获得当前监视场景的背 景图像，也就是该监视场景中不包含任何运动目标时的图像。在实际的 监视场景中，由于目标出现的频率、密度均未知，所以直接从监视视频 中提取一帧背景图像是比较困难的。即使能够得到这样一帧背景图像， 随着时间的推移，外界的光线会变化，这个背景

25、图像也将变得不再适用。 7 所以，依据监视视频，从包含运动目标的视频流中实时构造出适应于当 前环境的背景图像，即进行背景建模，是利用背景差分法进行运动目标 检测的关键。 利用灰度归并的思想进行背景建模能够适应监视场景中背景的光照 渐变和突变情况，并对树叶晃动具有一定的抵抗能力。单高斯背景建模 是在背景灰度在一段时间内服从高斯分布的假设下构造背景模型，是应 用较多的一种建模方法，比较两种建模方法的优缺点，本文最终采用单 高斯背景建模方法实现对运动目标的检测。 2.2 单单高高斯斯背背景景建建模模 2 2. .2 2. .1 1 构构建建背背景景模模型型 在视频流中，假设背景点中的特定像素，在一段

26、时间内的分布为高 斯分布，则利用该分布进行背景建模的方法即为高斯背景建模。利用一 个高斯模型构建的背景模型为单高斯背景模型，其适用于背景静止且光 照不变或变化较小，背景点像素值相对稳定的情况。 单高斯背景模型认为，对于背景图像的某特定象素，其亮度分布满 足高斯分布，即对背景图像 B 中某一像素(x,y)的亮度满足： 2 ( , ) ( ,)B x yN (2.1) 其中为均值，为方差。给定一幅图像中的一个像素 I(x,y)，如果满足： 2 2 exp( , )( , ) 2 I x yx y T (2.2) 则认为该像素为运动目标，否则为背景像素。 随着时间的推移，光照条件的变化，背景也会发生

27、相应变化。这就 光照突变下的目标跟踪算法研究 8 需要背景模型能够响应这些变化，也就是要求利用视频序列提供的信息 对高斯背景模型的参数进行更新，以避免由此产生的目标误检测问题。 2 2. .2 2. .2 2 背背景景更更新新 设前一时刻估计的背景图像表示为 Bt-1，对于新的一帧图像 It，为 使构造的背景能够适应当前视频图像，需要对之前构造的背景图像 Bt-1 进行自动更新，以适应当前背景的变化。这里引入一个表示参数更新快 慢的参数，并将其称为参数更新率。对视频图像中的某一点 I(x,y)， 其高斯分布参数的更新可表示为： 1 ( , )(1)( , )( , ) ttt x yx yI

28、x y (2.3) 222 1 ( , )(1)( , )( ( , )( , ) tttt x yx yI x yx y (2.4) 其中，It为当前帧图像在该点的像素值，参数更新率 11 (|,) ttt KI (2.5) 其中，K 是一个给定的0,1之间的常数，表示均值为， 2 11 (|,) ttt f 1t 方差为的高斯分布的概率密度函数。由此得到更新后的背景估计图像 1t Bt。 2 (,) ttt B (2.6) 2.3 二二值值图图像像贴贴标标签签算算法法 贴标签处理是通过对二值图像的每个不同的连通域进行不同的编号， 来区分不同的连通域。在二值图像中，不同的对象被不同的整数值来

29、标 记，形象地说，每一个随想都被贴上不同的 “标签”以便于辨识。通常， 设置一个与原图大小相同的标签矩阵，也称标签图像，用以描述对二值 9 图像不同连通域的划分结果。 2 2. .3 3. .1 1 连连接接关关系系 由于二值图像中，所有的目标像素值都是相同的，为此，需要给出 像素之间的关系来描述目标。二值图像中的连接关系是指目标像素之间 的连接关系的定义，可用四连接和八连接来表示相邻像素之间连接性的 概念。 像素的连接关系示意图如图 2-1所示。图2-1中标记为灰色的点表示 当前待处理的目标像素点，其周围的标记为 1，2，8的八个像素称 为该像素点的八八近近邻邻，其上，下，左，右的四个像素也

30、就是标记为 2，6，8，4的四个像素称为该当前目标像素的 四四近近邻邻。由像素的这种临 近关系，便可定义像素之间是否连接。 123 84 765 图 2-1.像素的连接关系示意图 在不同连接性的定义下，像素之间的通路是不相同的，即在八连接 定义下的通路在四连通定义下可能就不再成为一条通路。 2 2. .3 3. .2 2 算算法法步步骤骤 贴标签的方法实际上包括了两个关键步骤：一个是按照从上到下， 光照突变下的目标跟踪算法研究 10 从左到右的顺序扫描所有像素值为 1的像素，判断其是否与已经贴过标签 的像素属于同一连通域，如果是，则贴相同的标签，否则暂时判定为不 同的连通域，贴新的标签；另一个

31、是对已经贴好的标签进行校正，对在 下方连接在一起的，已经贴为不同标签的像素归并为同一标签，并对整 体的标签号进行调整。 设二值图像为，标签图像为，贴标签算法的具体步骤如下：fL 1）设标签，已贴标签数，按照从左到右、从上到下的00N 顺序进行扫描，寻找像素值为 1的目标像素点。 2）对于尚未贴标签的目标像素点，搜索其邻域已扫描过的点（如 图2-2所示， “”代表当前待贴标签的目标像素点， “”代表已扫描过 的点， “”代表未扫描过的点） ，对于这些已扫描过的点： 如果所有点的标签值为0，则，贴标签数1),(jiL ；1 NN 如果所有点的标签值相同且不为 0，则；),(jiL 如果标签值不同，

32、设标签值分别为、且，则当前目0 标像素点的标签值，并将标签值为的所有像素点的标签值改),(jiL 为，并令标签数。1 NN 3）将图像中所有像素按第 2）步所述方法进行处理。 4）判断是否，若是，则处理结束；否则，说明已贴标签为不N 连续编号。则进行编号调整，使其标签号连续排列。 11 （a）八连接 （b）四连接 图2-2 像素的邻接关系示意图 2.4 运运动动目目标标检检测测实实验验结结果果分分析析 本文采用单高斯背景建模方法进行运动目标检测，如图 2-1 所示为 本文利用单高斯背景建模的目标检测测结果。 第 96 帧 光照突变下的目标跟踪算法研究 12 第 153 帧 图 2-2.单高斯目

33、标检测效果图 结结果果分分析析：以上单高斯检测方差设定的不同会导致检测效果的差异，阈 值越小则符合目标条件的像素点增多，所以适当减小方差阈值能够在一 定程度上克服目标断裂，而不需要采用膨胀与腐蚀运算。同时复杂背景 情况下也会检测出无效目标（例如树叶、动物等），所以在检测环节之 后还要加入无效目标过滤环节，保证最终检测的结果不包含无效目标。 13 第第三三章章 色色彩彩空空间间与与特特征征提提取取 3.1 引引言言 在数字图像处理中，常用的彩色空间有 RGB模型、HSV模型、 CMY彩色空间模型和CMYK模型。其RGB模型用在彩色图像显示、传输 等硬件设备上，而HSV模型与人的视觉系统相对应，常

34、用于彩色图像的 算法研究。 本文中主要提取目标颜色特征作为匹配特征，利用 HSV彩色空间亮 度信息与色度、饱和度信息分离的特点，提取色度（ H） 、饱和度（S） 信息，作为后续待匹配目标特征。本章会对 RGB与HSV色彩空间的结构 及二者的相互转化关系做详细介绍。 3.2 色色彩彩空空间间模模型型 对彩色图像进行处理时，采用不同的颜色空间，其产生的效果也会 有所差异，所以本节首先对进行特征提取所采用的颜色空间进行介绍， 然后再对中性色与非中性色的特征提取进行分析讨论，最后对两种结果 进行比较，并将其应用到后续特征匹配中。 3 3. .2 2. .1 1 R RG GB B 色色彩彩模模型型 由

35、色彩基础理论可知，在 RGB彩色模型空间中，任何一种颜色都可由 R、G、B原色按一定的比例构成，在三维正交坐标系统，如图 21所示， 红(R)、绿(G)、蓝(B)位于3个角上，青、深红和黄色位于另外的 3个角 上，黑色位于原点处，白色位于离原点最远的角上。彩色图像的三个分 光照突变下的目标跟踪算法研究 14 量不仅代表色彩和亮度，而且还存在着很大的相关性，这种相关性决定 了它在光照突变情况下特征提取方面固有的缺陷。在此系统中计算的任 何颜色都落在RGB彩色立方体内。如图3-1所示. 图 3-1.RGB 色彩空间模型 它最直观的优点就是简单，并且其他颜色系统必须转化成 RGB系 统之后才能在彩色

36、显示器上显示。但是在 RGB系统中，由于彩色合成图 像通道之间相关性很高，使合成图像的饱和度 (Saturation)偏低，色调 (Hue)变化不大，图像视觉效果差，人眼不能直接感觉。 在RGB彩色模型空间中，由于太阳光的原因，阴影区域的变化有其 自身的特点。在目标阴影区中，背景是有颜色的，但阴影区域内像素点 的亮度值一般比非阴影区域要小，特别是 R、G颜色分量波动一般都较小， 而B颜色分量则有些特殊，其值的波动性相对略大，分析原因主要是在以 太阳光为光源的摄影过程中，环境对蓝色光分量的散射较强烈所致。 3 3. .2 2. .2 2 H HS SV V 色色彩彩模模型型 RGB色彩模型对硬件

37、系统的实现很理想，而且与人眼很强地感觉红、 绿、蓝三原色的事实能很好地匹配但是， RGB色彩模型不能很好地适应 15 实际上人解释的颜色 HSV空间模型如图3-2所示，直接对应于人眼色彩视觉特征的三要素 (亮度、色彩和饱和度)，三个分量互相独立，其中，色调直接影响着人 的视觉判断。下面简要介绍三要素所代表的意义。 色相(Hue)，色彩相貌的区别名称，用以区分红、橙、黄等特质， 不受色彩的鲜淡、明暗所影响，如同音乐基本音阶一样，不受音色的强 弱、高低所影响。 亮度(Value)，色彩明暗的灰阶程度。赋予各色相相同的特性，如 同音色的强弱。 饱和度(Saturation)，色彩鲜明浅淡的程度，即同

38、一色相的色彩中 参杂白色的比例，若色彩中无白色混杂，我们一般称为纯色，而白色比 例越低则色彩越鲜明，反之，就会变得浅淡。在 HSV彩色模型空间中， 由实际视觉经验的结论，我们可以得出这样的结论：在一定的亮度条件 下，同一物体在阴影区和不在阴影区的色相 (Hue)是近似一致的，阴影 主要使该区域内色彩的明暗发生变化，即亮度 (Value)值有了变化。 图 3-2.HSV 色彩空间模型 光照突变下的目标跟踪算法研究 16 3 3. .2 2. .3 3 R RG GB B 转转换换到到 H HS SV V 给定一幅 RGB 彩色格式的图像，每一个像素的 H 分量可以用公式 (3.1)得到， 360

39、 H GB GB (3.1) 此处， 2 1 2 )()( 2/)()( arccos BGBRGR BRGR (3.2) 色饱和度分量 S 可由公式（3.3）得到， ),min(1 )( 3 BGRS BGR (3.3) 最后，亮度分量 V 可由公式（3.4）得到， 3/ )(BGRV (3.4) 假定，R、G、B的值归一化为0,1的范围内。角度根据HSV空间的红轴 来度量。色调可以用H值除以360归一化到0,1的范围内。如果给出的 RGBI拘值在0,1范围内，则其它的两个HSV分量已经在0,1的范围内 了。 3 3. .3 3 特特征征提提取取 本文中采用对H、S的一维直方图与待匹配目标的

40、 H、S一维直方图 17 进行匹配判断，画出所有检测出的运动目标并绘制 H、S颜色特征直方图， 进而达到准确提取颜色特征的目的。 3 3. .3 3. .1 1 特特征征提提取取与与颜颜色色直直方方图图 灰度直方图是反映灰度图像的亮度概率分布的有效工具，得到广泛 的应用和深入的研究。色彩直方图同样反映彩色图像的颜色信息在彩色 空间的分布情况，并且色彩直方图具有很好的表现能力。 相对于几何特征而言，颜色具有与生俱来的旋转不变性和尺度不变 性。图像特征的统计直方图实际上是一个一维的离散函数，即有： 1-L, 1 , 0,)(， kkH N nk (3.5) 上式中代表图像的特征取值，是特征可取值的

41、个数，是图像中具kL k n 有特征值为k的像素的个数，N是图像像素的总数对于彩色图像，可对 其3个分量分别做直方图。 3 3. .3 3. .2 2 特特征征提提取取结结果果及及分分析析 由于本课题在对中性色目标进行匹配跟踪时出现了问题，所以本文 中针对中性色与非中性色目标分别提取不同的色彩特征（非中性色提取 H、S 信息，而中性色则提取 H、S 和 V） ，本文中对中性色和非中性色分 别提取特征信息，以实现后续的中性色和非中性色的目标跟踪，如下图 3-3 所示分别为中性色和非中性色待跟踪目标特征提取结果。 光照突变下的目标跟踪算法研究 18 图3-3（a）非中性色待跟踪目标特征提取结果 图

42、3-3（b）中性色待跟踪目标特征提取结果 结结果果分分析析：图3-3（a）是对非中性色待跟踪目标 H、S特征提取结果，对 比图3-3（b）中性色待跟踪目标H、S特征提取结果，中性色的饱和度 S 相对集中，理论上中性色的饱和度信息为 0，但是由于部分背景、皮肤等 色度 H 饱和度 S 色度 H 饱和度 S 亮度 V 19 的影响导致中性色饱和度信息存在，并且集中在数值较小的区域，该条 件可以作为区分目标是中性色与否的重要依据。 3.3 特特征征更更新新 视频流中的所有运动目标经检测后一一与制定目标颜色直方图匹配 的过程中，在没有特征更新时，错误匹配率很高，所以目标颜色特征 （直方图）对目标匹配的

43、准确率至关重要。特征更新、匹配的流程如下： 失败（相似度0.3） 覆盖 成功 覆盖 成功 绘制制定目标特 征（直方图） 与第 i 帧中 k 目 标特征直方图匹 配 与第 i 帧中 k+1 目标 特征直方图匹配 图 3-4.特征更新流程图 由于特征更新的条件是匹配正确时才进行特征更新，所以特征更新 可以大幅增加匹配正确率，特征更新对特征匹配正确率的改善效果会在 第四章实验结果分析中介绍。 与第 i 帧中 k+m 帧 目标特征直方图匹配 光照突变下的目标跟踪算法研究 20 第第四四章章 运运动动目目标标跟跟踪踪 4.1 引引言言 图像的匹配与跟踪是智能型监控系统的核心。目标的匹配与跟 踪，重点是寻

44、找描述目标个体的特征。对多个目标，特别是特征比较相 似、特征受环境变化影响较大的目标，重点是设计快速有效的匹配方法， 完成对目标的跟踪。 运动目标跟踪是个复杂的问题，而其中的关键是不同帧间的目标匹 配。现有的运动目标跟踪方法较多， 有边缘跟踪算法、特征序列匹配算 法和相关跟踪算法等，不同的跟踪算法适用于目标不同的运动状态。按 照跟踪时采用的特征性质的不同，目前所使用的跟踪方法大致可分为基 于目标个体特征识别的跟踪和基于目标运动特征的跟踪方法。 基于个体特征识别的跟踪也称特征跟踪，它是物体识别技术的变形， 其中图像匹配法占有非常重要的地位。在计算运动信息之前，需要对物 体上的特征点进行逐帧跟踪，

45、包括特征匹配定位和灰度匹配定位。已有 的算法包括金字塔算法、二值模板匹配算法、二阶模板匹配算法几个点 抽样搜索法等，这些都是典型算法，但由于这些算法计算量大，效率低， 因而不能满足实时性要求较高的场合。 4 4. .2 2 基基于于颜颜色色特特征征的的匹匹配配方方法法 颜色直方图是对目标颜色分布的统计，不受目标的形状，姿态等变 化的影响。颜色直方图作为目标特征，具有稳定性好，计算方法简单和 21 计算量小的特点，是比较理想的目标颜色特征，为此，本文选择 HS 一 维维颜色直方图作为目标特征。 颜色直方图的求解，可分为以下两个步骤： 1）对图像进行颜色聚类，获得可以清楚描述彩色图像的主要颜色特

46、征。 2）统计主要颜色特征的像素分布，绘制该颜色特征的直方图。 假设图像的灰度级范围是 0,1,2,L-1，灰度级 i 的像素点个数为 mi，图像像素点的总数为： 1 0 L i i Mm (4.1) 灰度级 i 的出现概率 pi 定义为： M m p i i (4.2) 灰度直方图就是灰度级的像素数 mi 与灰度 i 的关系，反映了一幅图 像灰度分布的统计特性。以图像中的颜色级数为横坐标，颜色出现频率 为纵坐标的图形就称为图像的一维颜色直方图，也是本文中用于特征匹 配的直方图。 若将图像采用 HSV 色系表示，并分别将饱和度分量 S、色调分量 V 为横坐标与纵坐标构造的颜色直方图，即为二维颜

47、色直方图。二维颜色 图可以实现对目标颜色更为准确的描述。 由于本文中主要针对光照突变下的目标跟踪，所以采用颜色特征匹 配的方法。 4.3 颜颜色色直直方方图图的的相相似似度度评评价价 在图像匹配时，首先就是计算得到作为匹配模板的目标区域的颜色 直方图，再和检测出的所有有效目标分别匹配，直方图匹配方法，根据 光照突变下的目标跟踪算法研究 22 颜色直方图的相似度评价不同，一般分为欧氏距离匹配法和巴氏距离匹 配法。 4 4. .3 3. .1 1 巴巴氏氏距距离离匹匹配配法法 利用统计假设检验中的分类错误概率来度量两个概率分布的相似性。 两概率分布分类的错误率越高，表明两个概率分布越相似。进行目标

48、匹 配的过程就是寻找模板与候选目标两者分布的最大贝叶斯错误率的过程。 将颜色直方图作为目标的概率分布估计，用修正 Bhattacharyya 系 数的离散形式表示两个分布的贝叶斯错误率，可以表示为： 1,dp q m n nqnpqp 1 )()(),( (4.3) 其中，为两直方图的 Bhattacharyya 系数，为候选目标的直方图分 p 布，为模板的直方图分布，为两直方图的 Bhattacharyya 距离，其q d 值越小，表明两直方图的相似度越高；反之，两直方图相似度越低。 4 4. .3 3. .2 2 欧欧氏氏距距离离匹匹配配法法 首先计算作为模板的的目标区域的颜色直方图，记作，设待匹)(xfT 配的区域的颜色直方图为，二者的相关性由模板直方图与待匹配区)(xg 域的直方图的欧氏距离函数来衡量，即),(gfME 255 0 2 )()(),( x TE xfxggfM （4.4） 23 也可用二者的绝对差来衡量相关性，即 255 0 )()(),( x T xfxggfM （4.5） 值最小的即为最终的匹配结果。M 4.4 实实验验结结果果分分析析 采用颜色特征匹配的方法进行运动目标跟踪，可以实现对本文中目 标较准确的跟踪，如图 4-3、图 4-4 所示为目标跟踪的部分截图。 (a)第 75 帧