专利名称：基于光流场估计的自适应均值漂移目标跟踪方法
技术领域：
本发明涉及一种目标跟踪算法，尤其涉及一种基于光流场估计的自适应Mean-Shift目标跟踪方法,属于图像处理领域。
背景技术：
目标跟踪方法是图像处理领域中的重要研究方向之一，在公共安全、智能交通和目标定位等领域有着广泛应用。为此，国内外许多研究人员一直致力于该项目的研究。目标跟踪一般是基于对图像序列的处理，从复杂的背景中识别出目标，并对目标的运动规律加以预测，实现对目标的连续、准确的跟踪.
随着计算机技术和图像算法研究的快速发展，目标跟踪方法也得到了长足的进步，其中Mean-Shift算法由于其运行速度快,效果好得到了广泛的应用。Mean-Shift算法,是通过一个迭代的过程，算出当前点的偏移均值，然后将该点移动到偏移均值处作为新的起始点，往复循环，直到满足条件为止。但在目标跟踪中，由于传统Mean-Shift算法采用均值漂移和固定的窗体大小，因此在目标运动速度很快或尺度发生明显变化时，会造成目标的丢失，同时也不能处理目标全遮挡的情况。目前针对这一不足，提出的解决方法有卡尔曼滤波、粒子滤波和SSD (Sum of Squared Differences)算法等。但均在自适应跟踪上存在各自的缺点。
发明内容
本发明所要解决的技术问题是提供一种基于Mean-Shift算法的自适应目标跟踪方法，以提高目标跟踪的区域自适应性，提升对目标跟踪的准确性以及能解决目标被静止物体全遮挡情况下的目标跟踪方法.
本发明的解决方案是利用光流法的特性测出运动方向和速度，对窗口位置和大小进行预判和调整，然后二分法自适应分别获得精确的长宽。再基于色差分析跟踪方法，解决目标被静止物体遮挡的情况.
本发明为实现上述解决方案，其方法步骤如下所示
权利要求
1.一种基于光流场估计的自适应Mean-Shift目标跟踪方法，其特征在于包括以下步骤 1)利用光流法算出目标的移动速度和方向； 2)对下一帧目标跟踪提供预测位置和目标变化趋势； 3)在新预测后而得到的窗口内利用二分法自适应Mean-Shift算法得到漂移结果； 利用色差分析处理被静止物体遮挡情况。
2.根据权利I所述的一种基于光流场估计的自适应Mean-Shift目标跟踪方法，其特征在于所述的利用光流法算出目标的移动速度和方向步骤 I)在目标窗口内找取若干特征点；2) 利用光流约束方程
3.根据权利I所述的一种基于光流场估计的自适应Mean-Shift目标跟踪方法，其特征在于所述的对下一帧目标跟踪提供预测位置和目标变化趋势步骤 1)将获取的移动速度和方向，为下一帧目标跟踪提供预测位置；特征点在当前帧的位置
4.根据权利I所述的一种基于光流场估计的自适应Mean-Shift目标跟踪方法，其特征在于所述的在新预测后而得到的窗口内利用二分法自适应Mean-Shift算法得到漂移结果步骤 1)建立基于RGB颜色的直方图分布； 2)假设物体中心位于~，用允表示当前目标区域的色彩直方图，么(乂)表示预测区域的色彩直方5.根据权利I所述的一种基于光流场估计的自适应Mean-Shift目标跟踪方法，其特征在于所述的利用色差分析处理被静止物体遮挡情况步骤 1)在目标丢失处周围一定区域内建立一个监控区. 2)根据监控区内色差变化，如果色差变化超过一定阈值的点达到一定数量时，取色差变化区域的中心像素点为目标中心. 3)均值漂移，计算Bhattacharyya系数,如果相似度较高,表明目标已再次出现。
全文摘要
本发明涉及基于光流场估计的自适应Mean-Shift目标跟踪方法。针对Mean-Shift算法在目标跟踪中出现由于目标运动速度过快或尺度明显变化以及目标遮挡时导致跟踪失败的问题，该方法在基于传统均值漂移矢量法的同时，引入光流法，在目标上找寻特征点，通过特征点前后变化的信息，修正跟踪窗口中心位置和大小，再根据Bhattacharyya系数二分法分别自适应得到更为精确的窗口长宽。而针对目标被静止物体遮挡，通过色差分析观测目标被遮挡区域，利用Bhattacharyya系数重新捕捉目标。
文档编号G06T7/20GK102800106SQ201210219578
公开日2012年11月28日 申请日期2012年6月29日 优先权日2012年6月29日
发明者刘怡光, 曹丽萍, 李剑锋 申请人:刘怡光