基于區(qū)域分割的抗遮擋運(yùn)動人體跟蹤算法

魏 晨（吉林大學(xué)珠海學(xué)院，519041）

?

基于區(qū)域分割的抗遮擋運(yùn)動人體跟蹤算法

魏 晨
（吉林大學(xué)珠海學(xué)院，519041）

運(yùn)動目標(biāo)的跟蹤會受到遮擋、復(fù)雜背景等因素的影響。本章提出了一種基于目標(biāo)分割的跟蹤算法，將跟蹤目標(biāo)分為若干區(qū)域，融合模糊顏色直方圖和梯度直方圖的特征信息。在復(fù)雜的環(huán)境中，尤其是遮擋的情況下，具有較準(zhǔn)確和穩(wěn)定的表現(xiàn)。

目標(biāo)跟蹤；遮擋；顏色直方圖；梯度直方圖

0　引言

運(yùn)動目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)關(guān)鍵技術(shù)，在監(jiān)控、安防等方面有著廣泛的應(yīng)用。目標(biāo)遮擋問題是運(yùn)動人體跟蹤研究中的一個難點(diǎn)，本文對目標(biāo)區(qū)域進(jìn)行劃分，分塊提取顏色和梯度特征信息，建立觀測模型，在粒子濾波的框架下進(jìn)行跟蹤。

1　區(qū)域劃分

本文對目標(biāo)區(qū)域進(jìn)行劃分，利用空間信息，分別計(jì)算每個子區(qū)域的特征，并建立觀測模型。目標(biāo)區(qū)域?yàn)榫匦危瑢⑵鋭澐殖蒩×b個單元，每個單元包含i×j個像素，2×2個單元組成一個子區(qū)域。各子區(qū)域之間重疊2個或1個單元，則整個目標(biāo)區(qū)域中共有個子區(qū)域。處在單元邊緣的像素不僅對本單元的特征有影響，還對周圍的單元有影響，通過重疊將子區(qū)域之間的關(guān)系聯(lián)系了起來。

2　特征選取

2.1模糊顏色直方圖與觀測模型

顏色直方圖體現(xiàn)了圖像的全局統(tǒng)計(jì)結(jié)果，具有對平移旋轉(zhuǎn)不敏感的優(yōu)點(diǎn)，但缺乏空間信息，維數(shù)較高。本文采用模糊顏色直方圖，使每個像素并不僅屬于某一個直方圖區(qū)間，而是與所有區(qū)間有一定的相似度，由原來的區(qū)間互斥選擇轉(zhuǎn)化為屬于某一區(qū)間的可能性大些，屬于其他區(qū)間的可能性小些的連續(xù)的相似度表達(dá)。

在目標(biāo)區(qū)域內(nèi)，離中心越遠(yuǎn)的像素點(diǎn)權(quán)重越小，離中心越近的像素點(diǎn)權(quán)重越大，這樣就降低了目標(biāo)區(qū)域邊緣像素對顏色直方圖的貢獻(xiàn)程度，在一定程度上對背景干擾和部分遮擋具有較好魯棒性。模糊顏色直方圖可以表示為：

2.2梯度直方圖與觀測模型

梯度特征提取是指提取目標(biāo)的邊緣梯度信息，并用直方圖形式表示統(tǒng)計(jì)結(jié)果。梯度直方圖可以抑制目標(biāo)平移和旋轉(zhuǎn)帶來的影響，子區(qū)域的處理方法體現(xiàn)了局部像素點(diǎn)之間的關(guān)系。

將梯度特征量化為m級，并針對每一子區(qū)域都提取梯度直方圖。跟蹤過程中的觀測模型可表示為：

兩個人都在氣頭上，父母也不好多勸，過了兩天，等田朵的一股怨氣、小寧的半腔怒火都消了消之后，雙方父母才話里話外地勸合。小寧看這兩天田朵忙前忙后的，也就不再提離婚這茬了。其實(shí)，回頭想想，他們之間并不存在不可調(diào)和的矛盾，說到底，就是擠牙膏、吃醋那點(diǎn)破事，和漫長的、珍貴的婚姻之路相比，這些小瑕疵，根本不值一提。

2.3特征融合

分別求出各特征對應(yīng)的觀測方程，并將其結(jié)合到一起，組成最終的模型。本文采用巴氏系數(shù)法對于單個特征的相似度進(jìn)行描述。顏色、梯度特征的巴氏系數(shù)可分別表示為：

3　粒子濾波算法

基于區(qū)域分割的目標(biāo)跟蹤算法在粒子濾波的框架下完成，步驟如下：

1.建立目標(biāo)的模糊顏色模型和梯度模型。

2.初始化。在目標(biāo)周圍預(yù)置一個粒子集，粒子個數(shù)為N。

4.計(jì)算粒子單個特征相似度。

5.計(jì)算粒子權(quán)重。利用單個特征的相似度和相似度權(quán)重計(jì)算出粒子與目標(biāo)模型的綜合相似度。

6.輸出跟蹤結(jié)果。粒子集的加權(quán)平均和就是當(dāng)前幀目標(biāo)的位置。

7.計(jì)算每個特征相似度權(quán)重。

8.進(jìn)入下一幀，從第三步開始，依次執(zhí)行

4　實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)采用Window XP操作系統(tǒng)， Visual Studio 2008軟件平臺，視頻來自CAVIAR項(xiàng)目。由圖1可見，在第109幀出現(xiàn)遮擋時，依然能夠繼續(xù)跟蹤目標(biāo)，算法具有較好的穩(wěn)定性。

圖1　目標(biāo)遮擋時跟蹤效果示意圖

5　結(jié)論

本文針對目標(biāo)跟蹤中的遮擋問題，提出了基于區(qū)域分割的特征融合算法，將目標(biāo)區(qū)域分成若干區(qū)間，充分利用空間信息，融合模糊顏色直方圖和梯度直方圖描述目標(biāo)特征，在粒子濾波框架下實(shí)現(xiàn)跟蹤。實(shí)驗(yàn)表明該方法能較好的克服遮擋問題。

［1］ 鄭成勇.一種 CIELab 顏色空間中的車牌定位方法［J］.五邑大學(xué)學(xué)報(bào) （自然科學(xué)版）， 2010， 24.1： 21-26.

［2］ 曹松曉.隨機(jī)概率模型視覺目標(biāo)跟蹤理論及應(yīng)用研究［D］. 浙江大學(xué)， 2013.

［3］ 代少升，齊威.一種改進(jìn)的多單元粒子濾波算法［J］.計(jì)算機(jī)工程與應(yīng)用，2011，36

魏晨（1988—），天津人，碩士研究生，現(xiàn)于吉林大學(xué)珠海學(xué)院職教

Anti occlusion moving human tracking algorithm based on region segmentation

Wei Chen
（Jilin University Zhuhai College，519041）

The tracking of moving objects is affected by the occlusion and complex background.In this chapter，a tracking algorithm based on target segmentation is proposed.The target is divided into several regions，and the characteristic information of fuzzy color histogram is combined with gradient histogram.In a complex environment，especially in the case of occlusion，this algorithm is accurate and robust.

Target Tracking；Occlusion；Color Histogram；Gradient Histogram

魏晨（1988—），天津人，碩士，助教，主要研究方向：圖像處理，目標(biāo)跟蹤