基于感知哈希算法的目標跟蹤研究

武漢理工大學 張 宇

1.感知哈希算法

1.1 原理

隨著數據增長，尤其是圖像數據的快速增長，人們對于圖像集的快速查重校對的需求越來越大，感知哈希算法應運而生。它屬于哈希算法的一種，可以將圖片提取成一個哈希指紋。每一個指紋都是一個哈希矩陣。通過比較兩張不同的圖片的指紋相似度，我們得出它們的內容相似度。常見的感知哈希算法分為兩種，均值哈希算法和增強哈希算法。前者更快速，而后者更加精確。它們兩者都依賴于一個前提，即圖像的信息大多隱藏在低頻信息中，通過濾除掉圖像的邊緣，角點等高頻信號可以更好的體現一張圖片的特征。

1.2 算法步驟

1.2.1 均值哈希算法

首先將圖片灰度化并縮小為8*8的圖片，該方法認為低頻信息在任何分辨率下都被完好的保存下來。

計算8*8矩陣的平均值。

比較矩陣中每個像素和平均值的大小關系，大于為1，小于為0。

得到的矩陣即為哈希指紋。

1.2.2 增強哈希算法

改進后的算法利用了離散余弦變換，將圖像的低頻信息更精確的提取了出來，再取得最低頻的一部分進行計算。

首先將圖片圖片灰度化，并縮小為32*32大小。

將得到的矩陣進行離散余弦變換，得到等大的矩陣。

取得左上角頻率最低的8*8的信息矩陣。

計算8*8矩陣的平均值。

比較矩陣中每個像素和平均值的大小關系，大于為1，小于則為0。

即得到哈希指紋。

1.3 相似度比較

當需要比較兩個不同圖像的相似度時，我們首先通過上面兩種方法得到他們的哈希指紋，然后計算兩個矩陣之間的漢明距離，即相同位置的像素同為1或0，漢明距離不增加，不同則漢明距離加1。當漢明距離大于等于10，則認為不相似，小于10，認為相似。

2.跟蹤系統設計

應用計算機視覺技術進行運動目標跟蹤，通常分為三個步驟，首先進行運動檢測，再進行后處理，比如形態學開閉運算，最后是跟蹤環節。

2.1 跟蹤預處理

運動檢測環節應用成熟的混合高斯模型，這里以交通應用場景為例，檢測環節將得到的結果是運動車輛的前景部分，如圖2-1所示。之后需要進行形態學開運算，將微小的噪點濾除掉，因為跟蹤輪廓需要首先得到準確的輪廓外框矩形，即車輛準確位置。

2.2 跟蹤方法

上述步驟將視頻中的每一幀的前景輪廓找出，接下來應用感知哈希算法跟蹤。具體思路是，首先用外接矩形圈出每一個車輛，將每一個矩形提取出來作為圖像保存，跟蹤就是將每兩幀之間的相同車輛進行匹配，具體到這個算法就是計算每一幀所有車輛矩形圖像的哈希指紋，計算它們與上一幀的所有指紋的相似度，若漢明距離小于10，則認為非常相似，是同一輛車，將它們標注同一個標號，在圖像中標出，若沒有匹配成功，則作為新進入視野的車輛，標注新的編號，上幀的車輛沒有匹配的視為退出視野范圍。跟蹤的總體思路如圖2-2。

圖2-1 預處理前景

圖2-2 跟蹤思路

3.實驗結果與結論

根據如上方法對交通視頻進行處理，得到了不錯的實驗結果，如下圖分別為相隔5幀的兩張圖像，以及它們的增強型哈希指紋圖。本文的算法準確的將它們標為統一編號，它們的哈希指紋，漢明距離很小，達到了相似匹配的目的，足以證明跟蹤算法的可靠性，可見感知哈希算法在跟蹤領域的應用是可行的。作為一個高效率算法，有著極好的應用前景。

圖3-1 跟蹤標號圖

圖3-2 兩個矩形圖像的哈希指紋，漢明距離為3

[1]Thierry Bouwmans. Traditional and Recent Approaches in Background Modeling for Foreground Detection：An Overview[J].2014,s 11-12：31-66

[2]Andrews Sobral. A comprehensive review of background subtraction algorithms evaluated with synthetic and real videos[J].2014,122(May 2014)：4-21

[3]Bhattacharjee, S.and Kutter,M.：Compression tolerant image authentication.In Proceedings of the International Conference on Image Processing(ICIP),vol.1,pp.435{439.IEEE,Oct.1998.