采用HSV 加權融合的核相關濾波跟蹤方法

解博江 朱晶晶

（黃河交通學院智能工程學院，河南 焦作454950）

視頻目標跟蹤在智慧城市、智能交通、醫療輔助、人機交互等領域具有非常重要的應用，是計算機視覺與模式識別的一個重要的研究課題[1]。目前，研究視頻目標跟蹤的算法眾多，可分為生成式[2]與判別式[3]方法。其中生成式方法首先建立目標表觀模型，通過對視頻中每一幀圖像按照一定的策略搜索，以此得到與表觀模型最為相近的區域，作為目標所在位置。而判別式方法則把目標跟蹤看成一個典型的分類問題，其核心思想是建立目標和背景差異模型，訓練出一個分類器，能夠從圖像信息中區分出目標與背景，從而確定目標位置，達到跟蹤效果。相關濾波是一種典型的判別式跟蹤方法，Bolme 等[4]人首次將相其引入到視頻目標跟蹤領域中，并以最小二乘的方式對濾波模板進行訓練，最終形成了最小輸出均方誤差和跟蹤方法，以其較高的跟蹤速度與精度，引起了眾多學者的廣泛關注。文獻[5]提出的時空場景跟蹤方法，從概率論的角度對相關濾波方法進行封裝，同時融入了時空上下文信息，并且在模板更新中考慮到了目標尺度變化問題。文獻[6]提出了循環結構核跟蹤方法，該方法用核化嶺回歸的方式來訓練濾波模板，從而增加視頻目標跟蹤中模板在光照、遮擋等情況下的適用性。文獻[7]在將單通道核相關濾波器拓展為多通道，有效解決了復雜多維度特征的使用問題，通過方向梯度直方圖特征代替簡單像素灰度特征，提出了核相關濾波器。上述所提及的跟蹤方法，都是直接對彩色圖像序列進行灰度化處理，然后提取其特征。這就導致了顏色信息的嚴重缺失，造成了對快速運動及形變目標的描述能力不足，表現為跟蹤精度的下降，特別是在視頻亮度不高的情況下，容易引起誤差量的增大并累積，最終導致目標的漂移。為此，本文提出使用加權融合的HSV 顏色空間信息與HOG 特征進行級聯去表征目標，并通過構建核相關濾波器實現對目標的有效跟蹤。

1 核相關濾波跟蹤算法

1.1 相關濾波跟蹤算法基本原理

相關濾波考慮到視頻目標序列具有較強的相關性，認為視頻中同一目標在連續的兩幀圖像中位置及尺度變化不會太大，因此可以利用當前已知的目標圖像序列來訓練模板。用得到的訓練模板和當前的圖像進行相關運算，使響應值達到最大的地方就目標所在的位置。計算過程如式（1）所示。

其中，x 為當前幀圖像，w為訓練得到的模板，兩者進行的運算為互相關運算，y 為當前幀中目標所在位置的響應函數。

1.2 構建循環矩陣的嶺回歸訓練求解

X、Y 分別為輸入前m 幀圖像樣本xi和其對應的回歸目標yi所組成的兩個向量，XH是X 的復共軛轉置，I 為單位矩陣。如果直接通過（5）式求解w系數，計算量較大。通過循環移位的方式對輸入的前一幀圖像構建循環矩陣代替前m 幀圖像進行訓練，充分利用任意循環矩陣都可以被傅里葉變換矩陣對角化這一特殊性質，簡化訓練求解過程。利用循環矩陣的性質可解得：

對式兩端同時進行FFT 變換并應用循環矩陣性質可得到所訓練濾波模板的閉合解。

1.3 核函數快速訓練與檢測

2 目標的特征提取

2.1 HOG 特征的提取

2.2 HSV 顏色空間模型

HSV 顏色模型是通過三種屬性- 色度、飽和度和明度來對一幅彩色圖像信息進行描述描述，三者分別反映圖像的色調，圖像色彩的深淺程度以及色彩明亮程度。這種色彩描述方式相比常用的RGB 模型更接近人的視覺感觀，而且HSV 色彩空間對光照的變化具有良好的魯棒性，所以比較適合對光照變化情況下的彩色圖像信息進行描述。由RGB 到HSV 顏色模型的轉換可以看出H、S、V 三通道信息相互獨立，其中V 分量在一定程度上能反應圖像的灰度信息，而H 和S 分量則反映顏色信息。

2.3 HSV 三通道加權融合的HOG 特征

3 實驗結果與分析

3.1 實驗環境及參數設定

3.2 不同亮度條件下跟蹤效果對比

實驗選取了Benchmark 視頻庫中的四段目標發生快速運動及形變的彩色視頻序列，并在不同亮度條件下，將KCF 與本文所提出的三通道加權融合的HSVKCF 進行對比測試，結果如圖1 所示。

圖1 KCF 與本文方法跟蹤效果對比圖

圖1 中a、b 兩組為對應著原始亮度與降低20%亮度后的圖像序列。在視頻1 的a 組中，運動員在快速運動時產生形變，使用KCF 的跟蹤方法跟蹤框出現一定的偏移，跟蹤精度降低，而本算法能夠保持較好的跟蹤效果。視頻1 的b 組視頻，整體亮度降低，此時，KCF 算法在跟蹤時跟蹤框出現了較大的偏移，隨著時間的推移，跟蹤誤差不斷增大，最終出現跟蹤失敗。本文算法因為融入HSV 三通道顏色信息，跟蹤效果較好。在視頻2 的a組中，跟蹤的目標出現了快速移動移動，同時有尺度的變化，KCF 算法在跟蹤時，跟蹤框出現偏移，b 組的視頻亮度低的情況下，這種更加凸顯了偏移量，隨著模板誤差的累積，最終跟蹤失敗；而本文所提出的算法受視頻亮度的影響較少，故依然能準確的跟蹤目標。在以上測試視頻中，由于目標發生快速運動及形變，引起KCF 的跟蹤精度出現不同程度的下降，尤其是在低亮度情況下更為明顯，融入HSV 三通道顏色信息的HSVKCF 對視頻亮度變化不敏感，而且對快速運動及形變的目標有更好的跟蹤效果。

4 結論

典型相關濾波類算法在跟蹤速度及精度上具有一定的優勢，但對彩色圖像序列進行處理時，為了提高計算效率，通常直接將其顏色信息舍去，導致目標發生快速運動以及形變時，出現了跟蹤精度下降的現象，特別是在視頻亮度不高的情況下更為嚴重。本文從有效利用顏色信息的角度出發，采用HSV 三通道加權級聯HOG 特征去有效表征目標，并構建核相關濾波器達到跟蹤的目的。為了驗證算法的有效性，對本文提出的HSVKCF 與常見的相關濾波算法做了兩組對比性試驗，結果表明融入顏色信息后HSVKCF 對與快速運動及形變的目標有更高的跟蹤精度，并且對視頻亮度變化敏感度較低。