一种基于视觉量子的目标跟踪方法

一种基于视觉量子的目标跟踪方法
【技术领域】
[0001] 本发明属于计算机视觉技术领域，具体设及一种基于视觉量子的目标跟踪方法。
【背景技术】
[0002] 运动目标跟踪作为目前国内外计算机视觉领域的研究热点之一，经过50余年的 研究发展，已经取得了较大的成绩。它是一种利用计算机与摄像机模仿"生物视觉系统"对 感兴趣目标进行分析、识别、跟踪及测量的技术，具有无接触、隐蔽性强、精准性高的技术优 点。目标跟踪应用广泛，在仿生机器人、无人驾驶汽车、智能视频监控等自动感知领域具有 重要的研究和应用价值。
[0003] 目标跟踪技术的研究主要有两大方向，一种是建立在运动信息分析基础之上的跟 踪方法，另一种是基于模型分析的目标跟踪方法。利用运动信息分析研究目标跟踪的方法 较多，已形成了众多的算法和标准，基于运动分析的目标跟踪方法，原理简单，实现较为方 便，但是对于遮挡目标的前景与背景信息难W进行区分，容易粘连和失跟。另一种基于模型 的目标跟踪方法可W克服局部遮挡信息的干扰，是目前计算机视觉领域内的主流方法，但 是在目标发生形变与尺度变化时，不能进行稳定跟踪。
[0004] 现有目标跟踪方法的普遍弱点是缺少与遮挡、形状与尺度变化的运动目标相适应 的能力，当目标发生遮挡、形状与尺度变化时，现有跟踪方法因无法适应目标变化，容易丢 失目标，如果现有跟踪方法能在变化的运动目标当中，提炼出不变的特征，将对克服遮挡、 形状与尺度变化等因素对目标跟踪的影响起到不可限量的作用。

【发明内容】

[0005] 针对现有技术存在的问题，本发明提供一种基于视觉量子的目标跟踪方法。
[0006] 本发明的技术方案为；
[0007] -种基于视觉量子的目标跟踪方法，包括如下步骤：
[000引步骤1 ;目标初始化；在待跟踪目标图像中选定目标区域；
[0009] 步骤2 ;针对目标区域，采用福射视觉量子的方法生成目标区域的视觉场空间；进 一步地，在待跟踪目标图像中是利用矩形框选定目标区域。更进一步地通过自上而下的方 式，向目标区域福射视觉量子，形成视觉场空间；
[0010] 则所述的视觉场空间为由aX0个视觉采样单元组成的二维图像感光空间，记 朱
，其中为视觉场空间，下标t代表时间，V。,P代表视觉场 空间中的视觉采样单元；将视觉场空间中包含目标背景信息的视觉采样单元、包含前景信 息的视觉采样单元W及包含背景与前景交界处信息的视觉采样单元均定义为视觉量子；贝。 下标a，0代表视觉量子在视觉场空间中的矩阵位置是a行P列，a和P均为从1开 始的自然数，即l《a< + 〇〇，l《P< + 〇〇;
[0011] 步骤3;量子频率计算；
[0012] 步骤3. 1 ;计算并统计视觉量子内前景信息滴分布的极大值所对应的灰度阶 及背景信息滴分布的极大值所对应的的灰度阶AB;
[0013] 步骤3.2;统计灰度阶AbIp的分布概率PKi；^，进而计算视觉量子VQ的滴基邸BIP;
[0014] 在视觉场空间VFS中，对于任意视觉量子VQ，存在其前景信息滴（p的概率分布 和背景信息滴eB的概率分布，将信息滴与灰度能量的乘积定义为视觉量子VQ的滴基邸， 记为
：上标BIf代表背景B或 前景F，进一步地EEbIp代表视觉量子VQ的背景滴基邸B或前景滴基邸P，abIp代表AP或AB; 下标KI入代表K或A，K、A分别为VQ内Pk|x概率分布所对应的滴的数量；Pk|a 代表PK或PX，表示ABIP出现的概率；背景信息滴r€[分，片，…，任…C];前景信息 滴[打，妊，…，公，…公；I;。、T分别为视觉量子VQ内背景区域滴的数量与前景区域 滴的数量；E(x，y)代表灰度能量，为视觉量子内所有像素的灰度值的平方和，即E(x，y)= 2G(x,y)2,X、y为视觉量子内部像素点坐标，G(x,y)为像素（X，y)的灰度值；
[0015] 步骤3. 3;对滴基进行二维核变换，得到视觉量子VQ的量子频率QF，并对量 子频率QF的变换系数进行归一化处理；
[001引 量子频率QF记为pBlF(u，v，t) =E巧IFkA/43T2u^[eJ'2"(u/"vKA)+eJ'2"uV K+ej'2"vKA+l]，其中，pBlF代表背景量子频率pB或前景量子频率pF，eJ2n(ux/"vy/"t为二维变 换核，e巧"(U入/"VK/入）+eJ2n化入/K+6巧ntvK/入+1称为量子频率变换核的组合，E巧IFK入/4n2uvt 为变换系数；
[0017] 步骤4;量子平衡跟踪；
[0018] 步骤4.1 ;计算量子频率的二阶偏导，进而确定目标边缘区域；
[001引通过计算量子频率QF的二阶偏导，得到目标边缘区域，记为：
[0020] 步骤4. 2 ;保留目标边缘区域的视觉量子，删除其他区域的视觉量子；
[002。步骤4.3 ;建立W视觉量子几何中屯、0化Y)为起点、W目标边缘区域几何中屯、 0'狂'，Y'）为终点的向量3 =品=(义'-疋尸-10;
[0022] 目标边缘区域几何中屯、坐标0 '狂'，Y'）中
目标边缘区域 W(x，y)的像素点数量为n，Xi、y;为9?(y，y)的像素点坐标，1《i《n;
[0023] 步骤4. 4;沿向量g将视觉量子移动至量子平衡状态；
[0024] 将视觉量子沿向量S移动，使视觉量子几何中屯、。化Y)与目标边缘区域几何中 屯、0 '狂'，Y'）重合，此时视觉量子达到平衡状态；
[0025] 步骤5;计算视觉量子的频率积分；
[0026] 视觉量子的频率积分表达式为
其中At为相邻两帖图像的时间 间隔，ppn pB为目标前景量子频率与目标背景量子频率相交的频率范围；
[0027] 步骤6 ;输出跟踪结果；当视觉量子达到量子平衡状态且频率积分相等时，将视觉 量子的位置信息作为目标跟踪结果进行输出。
[002引有益效果；本发明的基于视觉量子的目标跟踪方法与现有技术相比较具有W下优 势：
[0029] 1.抓住了运动目标前景与背景交界处具有的频率不变性的特点，将频率不变性采 用多个视觉量子进行描述，可W有效克服遮挡、形状与尺度变化等因素对运动目标跟踪的 影响，失跟率较低；
[0030] 2.相对于现有技术，视觉量子计算过程简单，不需要存储目标多种姿态模型，计算 复杂度和空间复杂度较低，跟踪实时性较高。
【附图说明】
[0031] 图1为本发明一种实施方式的基于视觉量子的目标跟踪方法流程图；
[0032] 图2为本发明一种实施方式的目标初始化时获得的目标区域示意图；
[0033] 图3为本发明一种实施方式的视觉场空间示意图；
[0034] 图4为本发明一种实施方式的滴基函数波形示意图；
[00巧]图5(a)为本发明一种实施方式的视觉量子未达到平衡状态的示意图；图5(b)为 本发明一种实施方式的视觉量子沿向量S移动到平衡状态的示意图；
[0036] 图6为本发明一种实施方式的基于视觉量子的目标跟踪方法的获得的目标跟踪 效果示意图。
【具体实施方式】
[0037] 下面结合附图对本发明的【具体实施方式】做详细说明。
[0038] 本实施方式的基于视觉量子的目标跟踪方法，如图1所示，包括W下步骤：
[0039] 步骤1 ;目标初始化；在待跟踪目标图像中利用矩形框选定目标区域，如图2所示， 图中黑色矩形框的区域为选定的目标区域；
[0040] 步骤2 ;生成视觉场空间：在目标区域内，自上而下均匀分布视觉量子 VQ。。P狂，Y，D，P，T)，形成视觉场空间
视觉场空间如图3所示， 将视觉场空间中包含目标背景信息的视觉采样单元、包含前景信息的视觉采样单元W及包 含背景与前景交界处信息的视觉采样单元均定义为视觉量子，记为VQ。,e狂，Y，D，P，T)，其 中，X、Y为视觉量子几何中屯、坐标，D为视觉量子的直径，P为视觉量子的量子频率，T为时 间，即视频序列中的某个时刻；下标a, 0代表视觉量子在视觉场空间中的矩阵位置是a 行e列；为表达方便，将视觉场空间中包含目标背景信息的视觉采样单元称为背景视觉量 子、将包含前景信息的视觉采样单元称为前景视觉量子W及将包含背景与前景交界处信息 的视觉采样单元称为缘视觉量子；如图3中黑色圆表示的是背景视觉量子，灰色圆表示的 是边缘视觉量子，白色圆表示的是前景视觉量子；
[00川步骤3;量子频率计算；
[0042] 步骤3. 1 ;计算并统计视觉量子内前景信息滴分布的极大值所对应的灰度阶 及背景信息滴分布的极大值所对应的的灰度阶AB;
[0043] 步骤3.2;统计灰度阶48|^的分布概率^3,|\，进而计算视觉量子￥9的滴基邸8|^; 方法为：
[0044] 首先统计灰度阶ABIP的出现概率P然后计算前景/背景信息滴 再然后统计视觉量子内部像素点（x，y)的灰度值G(x，y)，进而计算 灰度能量E(x，y) = 2G(x，y)2;最后计算视觉量子VQ的滴基
，图4 为图3中第15行、16列视觉量子的滴基函数波形，图中纵坐标为滴基，横坐标为滴的数量， 函数振幅表明视觉量子中边缘信息变化的剧烈程度；
[004引步骤3. 3;对滴基进行二维核变换，得到视觉量子VQ的量子频率QF，并将量 子频率QF的变换系数进行归一化处理，W滤除系统噪音和杂波干扰；
[0046] 量子频率QF记为
化简后得
;本实施方式是利 用邸兀2!/村2成=1对量子频率QF的变换系数进行归一化处理，来滤除系统噪音 ? -CC 和杂波干扰。
[0 047] 步骤4;量子平衡跟踪；
[004引步骤4. 1 ;计算量子频率的二阶偏导，进而确定目标边缘区域
[004引通过计算量子频率QF的二阶偏导，得到目标边缘区域，记为；
^为量子频率QF相邻 极值间的向量，进而目标边缘区域可表示为：
[0050] 步骤4. 2;保留目标边缘区域的视觉量子，删除其他区域的视觉量子；
[005。步骤4.3 ;建立W视觉量子几何中屯、0化Y)为起点、W目标边缘区域几何中屯、 0'狂'，Y'）为终点的向量3 =("^'= (乂乂，:r-r);
[0052] 目标边缘区域几何中屯、坐标0 '狂'，Y'）中
目标边缘区域 W>，y)的像素点数量为n，Xi、y;为巧片，3〇的像素点坐标，1《i《n;
[0053] 步骤4. 4;沿向量5将视觉量子移动至量子平衡状态；
[0054] 如图5 (a)所示，将视觉量子沿向量3移动，使视觉量子几何中屯、。化Y)与目标 边缘区域几何中屯、0'狂'，Y'）重合，如图5(b)所示，从而使视觉量子达到量子平衡状态， 将此状态定义为量子平衡地，地巧P=pB，0'狂'，Y'）= 0狂，Y)};图5(a)和图5(b)中灰 色圆为边缘区域的视觉量子，F为目标前景图像，B为目标背景图像，白色直线为目标边缘 区域，0为视觉量子几何中屯、，0'为目标边缘区域几何中屯、，3为W0为起点、0'为终 点的向量，图5(a)为视觉量子未达到平衡状态示意图，图5(b)为视觉量子沿向量3移动并 达到平衡状态示意图；
[00巧]步骤5 ;计算视觉量子的频率积分；
[0056] 视觉量子的频率积分表达式巧
其中At为相邻两帖图像的时间 间隔，ppnpB为目标前景量子频率与目标背景量子频率相交的频率范围；
[0057] 计莫
妻中，At为相邻两帖图像的时间间隔，PP、PB分别为t时 刻前景量子频率和背景量子频率，声"、户6'分别为为t + 1时刻前景量子频率和背景量子频 率，ppR pB、卢口於'为目标前景量子频率与背景量子频率相交的频率范围，当A t - 0时， 视频采集帖率FPS - + ，此时，相邻时刻t与t+1的量子频率pf 且户s' ^户S，即
，将该种性质称为量子频率不变性，量子频率不变性是指当连续帖间 的时间间隔趋于零时，任一相邻时刻状态下的目标边缘区域的量子频率对微小的时间t的 积分相等；
[0058] 在目标运动过程中，由于其量子频率积分保持不变，当目标发生遮挡、形状与尺度 变化时，可通过比对视觉量子的频率积分，重新跟踪丢失多目标，因此，基于视觉量子的目 标跟踪方法对于目标遮挡、形状与尺度变化具有很好的抗干扰能力，可W实现对目标的稳 足艮臣宗。
[005引步骤6 ;输出跟踪结果；当视觉量子达到量子平衡状态且频率积分相等时，将视觉 量子的位置信息作为目标跟踪结果进行输出，本发明的跟踪效果如图6所示，图中两幅图 像分别为t时刻和t+1时刻达到平衡状态且频率积分相等时的视觉量子的位置信息。
[0060] 本发明的基于视觉量子的目标跟踪方法可应用于变结构目标跟踪，本发明方法在 IBM多目标遮挡数据库上进行具体实施。IBM多目标遮挡数据库是IBM人类视觉研究中屯、监 视系统性能评价提供的视频，主要针对人员与车辆的运动目标检测与跟踪，现在主要进行 W像素和目标为单位的统计评估并提供在线监控与跟踪算法的性能评估服务。通过在IBM 多目标遮挡数据库上进行实例测试，视觉量子目标跟踪方法相较于基于运动信息分析的目 标跟踪方法，在遮挡目标跟踪中，具有较高的跟踪性能，虚警概率平均测试结果为0. 037,跟 踪准确率平均为0. 912,预测错误率平均为0. 13,处理速度平均为75帖/秒。
[0061] 同时，通过在Benchmark视频数据库上进行实例测试，本发明视觉量子的目标跟 踪方法相较于基于模型的目标跟踪方法，在形状与尺度变化条件下进行运动目标跟踪，具 有较好的跟踪效果，在Benchmark评估测试中的平均跟踪准确率为92. 5 %，视频处理速度 平均为73帖/秒。
【主权项】
1. 一种基于视觉量子的目标跟踪方法，其特征在于：包括如下步骤： 步骤1 :目标初始化：在待跟踪目标图像中选定目标区域； 步骤2 :针对目标区域，采用辐射视觉量子的方法生成目标区域的视觉场空间； 所述的视觉场空间为由α Χβ个视觉采样单元组成的二维图像感光空间，记为，其中VFS为视觉场空间，下标t代表时间，Va， e代表视觉场空 间中的视觉采样单元；将视觉场空间中包含目标背景信息的视觉采样单元、包含前景信息 的视觉采样单元以及包含背景与前景交界处信息的视觉采样单元均定义为视觉量子；则下 标α，β代表视觉量子在视觉场空间中的矩阵位置是α行β列，α和β均为从1开始 的自然数，即1彡α < + 〇〇，1彡β < + 〇〇; 步骤3 :量子频率计算； 步骤4 :量子平衡跟踪； 步骤5 :计算视觉量子的频率积分； 步骤6 :输出跟踪结果：当视觉量子达到量子平衡状态且频率积分相等时，将视觉量子 的位置信息作为目标跟踪结果进行输出。2. 根据权利要求1所述的基于视觉量子的目标跟踪方法，其特征在于：所述步骤1的 目标初始化中，在待跟踪目标图像中是利用矩形框选定目标区域。3. 根据权利要求1所述的基于视觉量子的目标跟踪方法，其特征在于：所述步骤2中， 是通过自上而下的方式，向目标区域均匀辐射视觉量子，形成视觉场空间。4. 根据权利要求1所述的基于视觉量子的目标跟踪方法，其特征在于：所述步骤3包 括如下具体步骤： 步骤3. 1 :计算并统计视觉量子内前景信息熵分布的极大值所对应的灰度阶Af以及背 景信息熵分布的极大值所对应的的灰度阶Ab; 步骤3. 2:统计灰度阶Ab1f的分布概率P κ|λ，进而计算视觉量子VQ的熵基EEb1f; 在视觉场空间VFS中，对于任意视觉量子VQ，存在其前景信息熵ζ 1勺概率分布和背 景信息熵ζ B的概率分布，将信息熵与灰度能量的乘积定义为视觉量子VQ的熵基ΕΕ，记 κ\λ 为视，=E(W) Σ (Cf)2，其中信息熵/? ;上标B IF代表背景B或前 κ=\\λ=\ 景F，进一步地EEb1f代表视觉量子VQ的背景熵基EE B或前景熵基EE F，Ab1f代表A ?或A %下 标κ I λ代表κ或λ，κ、λ分别为VQ内p κ丨λ概率分布所对应的；1：商的数量；p κ丨λ代 表P ,或P λ，表示Ab1f出现的概率；背景信息熵f 前景信息熵 (^ΚΤ，^，···^···^"];。、τ分别为视觉量子VQ内背景区域熵的数量与前景区域 熵的数量；E(x，y)代表灰度能量，为视觉量子内所有像素的灰度值的平方和，即E(x，y)= 2G(X，y)2，X、y为视觉量子内部像素点坐标，G(x，y)为像素（x，y)的灰度值； 步骤3. 3 :对熵基EEB|F?行二维核变换，得到视觉量子VQ的量子频率QF，并对量子频 率QF的变换系数进行归一化处理； 量子频率 QF 记为 PB|F(u，V，t) = EEb1fK A/4 3i2uVt[eJ2nt(uVK+VK/x)+e J2ntuVK+eJ2ntvK/ λ+1]，其中，Pb1f代表背景量子频率Pb或前景量子频率P F，d2"(ux/K+vy/X)t为二维变换核， ej2nt(uvK+w入）+ej 2ntu"K+ej2ntw入+1称为量子频率变换核的组合，eebIf k A/43I2uvt为变 换系数。5. 根据权利要求1所述的基于视觉量子的目标跟踪方法，其特征在于：所述步骤4包 括如下具体步骤： 步骤4. 1 :计算量子频率的二阶偏导，进而确定目标边缘区域； 通过计算量子频率QF的二阶偏导，得到目标边缘区域，记为：步骤4. 2 :保留目标边缘区域的视觉量子，删除其他区域的视觉量子； 步骤4. 3:建立以视觉量子几何中心〇 (X，Y)为起点、以目标边缘区域几何中心 〇 '（X'，Υ'）为终点的向量及=▽ = (；T- X，F'- ; 目标边缘区域几何中心坐标〇'（X'，Y'）中目标边缘区域 叫1>，)的像素点数量为n，Xi、的像素点坐标，I < i < η ; 步骤4. 4 :沿向量S将视觉量子移动至量子平衡状态； 将视觉量子沿向量表:移动，使视觉量子几何中心0 (Χ，Υ)与目标边缘区域几何中心 〇 '（X'，Υ'）重合，此时视觉量子达到平衡状态。6. 根据权利要求1所述的基于视觉量子的目标跟踪方法，其特征在于：所述的步骤5 中，视觉量子的频率积分表达式为IimJv /_门//，其中At为相邻两帧图像的时间间隔， pfn p B为目标前景量子频率与目标背景量子频率相交的频率范围。
【专利摘要】本发明公开了一种基于视觉量子的目标跟踪方法，属于计算机视觉技术领域。该方法首先在目标区域内自上而下均匀分布视觉量子，计算并统计视觉量子内部信息熵分布的极大值所对应的灰度阶，计算视觉量子的熵基和量子频率，然后将目标边缘区域的视觉量子移动至平衡状态，并计算视觉量子的频率积分，最后以达到量子平衡状态且频率积分相等的视觉量子的位置信息作为目标跟踪结果。本发明方法抓住了运动目标前景与背景交界处具有的量子频率不变性的特点，将频率不变特征采用多个视觉量子进行描述，可以有效克服遮挡、形状与尺度变化等因素对运动目标跟踪的影响，失跟率较低，同时由于视觉量子计算过程简单，计算复杂度和空间复杂度较低，跟踪实时性较高。
【IPC分类】G06T7/20, G06K9/38
【公开号】CN104881884
【申请号】CN201510369172
【发明人】姜文涛, 刘万军, 袁姮, 张壮, 王彪
【申请人】辽宁工程技术大学
【公开日】2015年9月2日
【申请日】2015年6月29日