关闭

关闭

封号提示

内容

首页 基于Mean.shift的灰度目标跟踪新算法.pdf

基于Mean.shift的灰度目标跟踪新算法.pdf

基于Mean.shift的灰度目标跟踪新算法.pdf

上传者: wanghao198901 2013-12-08 评分1 评论0 下载0 收藏0 阅读量699 暂无简介 简介 举报

简介:本文档为《基于Mean.shift的灰度目标跟踪新算法pdf》,可适用于IT/计算机领域,主题内容包含第卷第期年月光学技术OPTICALTECHNIQUEVoI.No.Mar.文章编号:~()基于Mean.shift的灰度目标跟踪新算法张旭光一赵恩良符等。

第卷第期年月光学技术OPTICALTECHNIQUEVoI.No.Mar.文章编号:~()基于Mean.shift的灰度目标跟踪新算法张旭光一赵恩良王延杰(.中国科学院长春光学精密机械与物理研究所长春)(.中国科学院研究生院北京.沈阳建筑大学理学院沈阳)摘要:Meanshift算法是一种非参数密度估计算法可以实现快速的最优匹配在目标的实时跟踪领域起着非常重要的作用。为了有效的将Meanshift算法应用到灰度图像中采用了以方向直方图建立目标模型的策略提出了在灰度图像中以Meanshift为核心的目标跟踪算法。实验结果表明该算法具有不受光照条件影响的优点在低对比度的情况下仍能实现稳定、实时的跟踪目标。关键词:目标跟踪Meanshift方向编码方向直方图Bhattacharyya系数中图分类号:TP.TP文献标识码:AAnewalgorithmfortrackinggrayobjectbasedonMeanshiftZHANGXuguang一ZHAOEnliangWANGYanjie(.ChangchunInstituteofOpticsFineMechanicsandPhysicsChineseAcademyofSciencesChangehunChina)(.GraduateSchooloftheChineseAcademyofSciencesBeijingChina)(.FacultyofBasicSciencesShenyangArchitectureandCivicEngineeringUniversityShenyanglChina)Abstract:TheMeanshiftalgorithmisanonpararnetficdensityestimationmethod.Thefastandoptimalmodematchingcanbeachievedbythismethod.Thisalgorithmplaysaveryimportantrolesinrealtimeobjecttrackingfield.InordertoapplyMeanshiftalgorithmongraylevelimageastrategythatusingorientationhistogramtorepresenttargetisadopted.AnewalgorithmbasedonMeanshiftisestablished.Experimentresultsshowthatthisalgorithmcanadaptthechangeofillumination.Thoughthecontrastofimageislowtheobjectcanbetrackedrobustandrealtimeusingthenewalgorithm.Keywords:objecttrackingMeanshiftorientationcodeorientationhistogramBhattachayyacoefficient引言目标的实时跟踪在计算机视觉领域有着非常重要的应用。近年来在目标跟踪领域提出了许多很好的算法如以提取轮廓j、纹理、颜色等特征来实现对目标的识别在频域下利用傅里叶j和小波LJ来进行目标识别和利用神经网络J来识别目标等。然而许多算法由于计算复杂都未能应用到对实时性要求较高的场合。DorinComaniciu将Meanshift算法引入到了目标跟踪领域【,J极大的减少了跟踪算法的计算量。因此国内外有许多学者继续在完善Meanshift算法的应用J解决了算法中存在的一些缺点和不足。DorinComaniciu提出的算法是以彩色直方图作为特征来实现目标的识别与定位的。对灰度图像来说由于灰度直方图所包含的图像信息单一使得Meanshift算法很难应用于灰度图像限制了Meanshift算法的适应环境。目前国内外的学者还没有提出成熟的算法来解决上述问题。本文提出了以代表图像的梯度方向信息的方向直方图为特征将方向直方图与Meanshift算法相结合使得Meanshift算法在灰度图像中的应用更加有效。由于方向直方图代表的是图像的梯度方向信息因此具有抗缩放和抗光照的优点体现了图像的边缘及纹理特征尤其在图像的对比度低的情况下方向直方图仍可以稳定地跟踪目标。Mean.shift的原理Meanshift算法是一种非参数概率密度估计算法可以通过迭代快速的收敛于概率密度函数的局部最大值因此在目标实时跟踪领域有着很高的应用价值。对在维欧式空间X中的有限序列S来说样本数据点zX处的样本均值被定义为收稿日期:.收到修改稿日期:Email:mtnfyahoo.COITI.cn作者简介:~(.)男(满族)长春光学精密机械与物理研究所博士研究生从事实时图像处理、目标识别与跟踪的研究。维普资讯http:wwwcqvipcom第期张旭光等:基于Meanshift的灰度目标跟踪新算法K(sz)叫(s)s莹s()S式中:K为核函数叫为样本的权值函数。差值(z)一z被称为Meanshift矢量反复将数据点朝着Meanshift矢量方向移动直至收敛的过程被称为Meanshift算法。在迭代过程中的处利用核函数K计算出的Meanshift矢量指向卷积曲面(.z)=G(口一)叫()的负梯度方向其中核函数Ka与G的相互关系应满足g(r):一(.)r=fISzljC>g和k分别为核函数G与K的轮廓函数C为常数。当迭代结束时核中心的位置对应某个概率密度的极值。在目标跟踪的过程中通过J(z)来刻画目标模型和侯选区域之间的相似形从而使跟踪问题转化为Meanshift的模式匹配问题。目标模型的描述.方向直方图给定一灰度图像J定义像素的梯度方向角为arctan器()式中af/x和f/Oy分别是该像素处沿和v方向的梯度可以通过梯度算子(如sobel算子)来获得。梯度方向角的取值范围为~兀(图)。为了获得方向编码需要对方向角进行量化。设方向角量化的间c/cn/~/|:||~t/图方向编码示意图距为AO于是方向编码可按式()计算:fOo/AOIf/OxfJOf/OyJ>T。thenvise()如果方向编码被量化成in个则c的取值为{l一}。对于If/axJ『af/yI小于阈值丁的像素来说定义其方向编码为由于此区域很难计算出稳定的的梯度方向角因而阈值T可根据经验来选择即根据要跟踪的目标的梯度丰富程度做适当调整本文选择T=。如果采用的量化方向为个则方向编码的间距A取c/。方向直方图就是统计各个方向编码在图像中出现的概率。图像J中第U=l一个方向编码出现的频率为(“)=(一f)()(i.J)』式中是delta函数。.模板模型方向直方图统计的是图像中梯度的方向编码出现的概率不受目标尺寸变化以及光照条件变化的影响。假设目标模板的中心为Y核函数窗口宽度为h模板中的各个像素位置用{l’表示目标的模型被量化成个方向编码则归一化后的目标的第“=/一个方向编码出现的概率可表示为(Y)=chb()一“()式中:函数b为R一{~}时处的像素向方向编码索引的映射实验中选取=是derlta函数Ch是方向直方图的归一化常数。为了增加密度估计的鲁棒性对距离中心Y较远的像素分配较小的权值这是因为位于此处的像素很可能是背景对于距离中心Yo较近的像素分配较大的权值这是因为位于此处的像素更可能是要被跟踪的目标。对方向直方图进行加权处理引入核函数k()则模板的方向直方图随即修改为=窭走(jJb(Xi)()由条件=得到的归一化常数为=/k((。一Xi)/h().候选区域模型为了实现在当前帧中准确的匹配跟踪目标需要得到目标侯选区域的概率模型设{z}一为目标候选区域的各个像素的位置当前帧的中心位置为Y应用同样的核函数k(oT)以及窗口宽度h则目标候选区域的第U=IT/一个方向编码出现的概率可由下式计算:)=鍪()式中的与式()的结果相同。与侯选区域的中心位置Y无关只与核窗IZl的宽度h有关。如果需要调整h来适应目标的尺寸变化则需要计算新的C^。用Bhattacharyya系数度量相似度在得到目标模板和候选区域的概率密度函数维普资讯http:wwwcqvipcom光学技术第卷后在当前帧中寻找目标位置的任务就转换成了寻找使得密度函数()与()最相似的位置。这里用Bhattacharyya系数评价方向直方图的相似性。目标模型的概率分布()与候选模型概率分布()的Bhattacharyya系数为m...........一()=~/(Y)(o)()“:P(Y)越大则模板与侯选区域越相似。跟踪过程就是通过Meanshift算法的快速匹配迭代到与模板最相似的位置。目标的定位采用Meanshift算法搜索目标位置定义样本均值为mhg(x)nhnh叫厨(l()式中:g(z)=一志()为核密度估计W为数据点的权值。一)定义样本均值与实际数据点之差为Meanshift矢量g()即Mhg()=mhg()一()Meanshift的过程就是计算Meanshift矢量M^()并根据()来反复迭代更新核函数窗口的中心位置。设核函数窗口的初始位置为Yo川是在位置计算出的加权均值则当前帧中的目标位置l为nh(I】nh训(J=()实验结果算法的整个跟踪过程如下:()在当前帧初始位置处计算侯选目标特征模型{()}:.一l并根据式()计算侯选区域模型与模板模型的相似度b()。()计算{砌}()根据式()计算由Meanshift算法迭代的侯选目标新位置。()计算新的侯选目标位置的目标特征模型i()}:..一并计算它与模板的相似度()。()如果()<()贝一(/)(l)直到()>()。()如果lJ一。ll<£则停止否则l一转到步骤()。e的选择应使与.l的间距小于一个像素。利用大量的序列图像对本算法进行了测试。图显示了通过空对地拍摄的飞机序列图像图像的对比度低飞机的形状不清晰且背景中存在着大量地对飞机特征产生干扰的信息。图像的大小为pixel。模板大小为pixel量化的方向编码为个。图为在复杂背景下对车辆的跟踪实验图像背景复杂且卡车受到电线杆的干扰序列图像大小为Xpixel。模板大小选择pixel量化的方向编码为个。在跟踪过程中通过人工选定目标后就无需输入任何参数。实验结果表明采用方向直方图具有良好的跟踪效果。本实验是在奔腾.G的PC机上运行的对飞机序列来说应用Meanshift算法的计算时间大约为ms。对卡车序列来说应用Meanshift的计算时间大约为ms一般迭代次就可以收敛。图飞机序列:第帧一图卡车序列:第帧结论针对灰度图像直方图信息单一使得Meanshift算法难以应用到灰度图像上的情况本文提出了一种新的目标概率模型的建立方法。以方向直方图为目标特征模型体现了目标的边缘以及纹理特征以Meanshift算法为核心减小了目标的模式匹配的搜索范围通过迭代使得搜索过程快速收敛。实验结果证明该算法可以增强Meanshift算法在灰度图像中的稳定性在图像对比度低的情况下仍能稳定的识别和跟踪目标。参考文献:『张吴黄战华郁道银等.基于差分图像的运动目标跟踪与分维普资讯http:wwwcqvipcom第期张旭光等:基于Meanshift的灰度目标跟踪新算法割方法的应用研究J.光学技术.():.LIANGYixiongGONGwei.guoPANYingjuneta.SingularvaluedecompositionbasedapproachforfacerecognitionJ.OpticsandPrecisionEngineering(光学精密工程).():.(inChinese).桑爱军宋建中.基于跟踪度的Gabor小波特征跟踪方法的研究J.光学技术():.XUTingfaZHANGMinGUIhijuneta.Multitargetre(x)gnitionwithimprovedBP~gofithmJJ.OpticsandPrecisionEngineering(光学精密工程)():ll.(inChi.nese).ComanieiuDRameshVMeerP.KemelbasedhjecttrackinglJJ.IEEETransactiononpatternanalysisandmachineintelli.gence():.JComaniciuDRameshVMeetPRealTimetrackingofnonrigidobjectsusingmeanshift【AJ.ProeIEEEConferenceonComputerVisionandPatternRecognition【CJ.o..【JNingSongPJieYZhiLMeanshiftblobtrackingwithkemelhistogramfilteringandhypothesistestingJ.PatternRecognitionLetterso.:.【JPENGNing.SongYANGJieLIUZhieta.AutomaticselectionofKernelbandwidthforMeanshiftobjecttrackingJ.JournalofSoftware(软件学报)():.(inChinese)【JUIlahFKanekoS.UsingorientationcodesforrotationinvarianttemplatematehingJJ.Pattemrecognition:O.【JFukana~aKHostetlerLD.TheestimationofthegradientofadensityfunctionwithapplicationinpattemrecognitionJ.IEEETrRrk~onInformationTheory():O.ChengY.MeanshiftmodeseekingandclusteringJIEEETransactionsonPatternAnaIysisandMachineIntelligence..():一.(上接第页)lP(a)f()d=P(O口)()』三:()口口。所以等效为静止时的发散角a与原发散角a的比值为r/詈』jj’。三二oonO/aexp(一)dJ.J\/()由此可见a/a是盯和a的函数当瞄准系统确定后瞄准误差的标准方差盯就确定了。将等效角a与原发散角a的相对误差随。变化的趋势绘于图取误差的%作为评价指标。当a与a的相对误差在%范围内时可认为a与a近似相等即可把目标看作近似的静止状态可直接使用简易公式进行激光辐照功率的近似计算不必代人复杂的运动目标的辐照功率公式进行计算。但当a与a的误差大于%后已经不能将运动目标看作为静止目标来估算则必须代人公式进行精确计算。由图可知当瞄.准方差盯:(:o时)此时对应目标静毽。.止时的情况n/a~且口a=口。随着目霉动即图不同发散角时的a或)的增大a与a。效极。的比值呈上升趋势。图中交点ABC所对应的曲线分别为光束发散角口A=/zradB=/~rad。c=~rad时口/口的变化曲线。图中当a与a的误差等于%时即为能将运动目标看作是静止状态时的等效静止模型方差极限O'max分别为】cA=.~radB=.ttradamaxC=.t~rad。可见随着发射激光束发散角的增大等效静止方差极限也在增大。以光束发散角a=~rad时为例若目标在激光束的位置小于盯一=./~rad时则可近似为静止目标采用简易公式进行计算。当>O'max时则需代入式()进行精确计算或者采用图解法根据已知发射光束宽度O/在图中找出对应的静止目标发散角a代人静止目标辐照公式进行计算。结论当激光远距离辐照目标时由于星际间或陆地上的目标处于随机振动之中此振动对目标实际接收到的激光辐照功率影响很大常用的将目标设为静止状态估算辐照功率的方法误差很大。本文以星间目标为例建立了对远距离运动目标的精确激光辐照功率模型并定量分析了将目标看作静止状态时带来的误差最后给出了能否将随机运动目标等效为静止时的判据。结果表明当系统的瞄准方差小于本文计算出的等效静止方差极限时可将目标看作静止状态用简易的静止模型估算辐照功率估算结果与实际相比误差小于%。否则则必须考虑目标的随机运动只有这样才能对实际情形进行准确评估。参考文献:王世勇付有余.远场光电探测器系统受激光干扰与损伤效果估计J光学技术():.梁铨廷.物理光学M.北京:机械工业出版社.BarryJDMecherleGS.BeampointingerrorasasignificantdesignparameterforsatellitebornefreespaceopticalcommunicationsystemsJ.OpticalEngineering.:.GermannLMNelsonR.PointingacquisitionandtrackingsubsystemforspacebasedlaircommunicationJ.ProceedingsofSPIE..:.AITlOnSRotmanSKopeikaNS.BeamwidthandtransmitterpoweradaptivetotrackingsystemperformanceforfreespaceopticalcommunicationJAppliedOptics:.维普资讯http:wwwcqvipcom

类似资料

该用户的其他资料

OFDM中的峰均比问题(1).doc

OFDM系统中时间、频率同步和峰均比降低问题研究.pdf

Altera FPGA&amp;amp;CPLD设计(基础篇).pdf

谈VHDLVerilog的可综合性以及对初学者的一些建议.pdf

Verilog HDL 华为入门教程.pdf

职业精品

精彩专题

结婚彩礼真有那么重要吗?

原创于西周而后沿袭至今的彩礼,虽然被一部分家长奉为圭臬,但越来越多的年轻人对结婚必须要彩礼不以为然。彩礼引发的社会矛盾越来越受到关注,结婚是自己的事,如人饮水冷暖自知,至于要不要彩礼或者要多少彩礼,因人而异,因财力而已,不可一概而论。

用户评论

0/200
    暂无评论
上传我的资料

精选资料

热门资料排行换一换

  • 天明序《群书治要》01.pdf

  • [原版英文书pdf].Oxfor…

  • 书生 赵长天.pdf

  • 九百年来王安石变法评议的演变和发…

  • 客观看待陈独秀.pdf

  • 申请入党——党的基本知识宣讲.p…

  • 商务谈判实训教程 周庆主编.pdf

  • 肩周炎的病因.ppt

  • 执业医师定期考核试题及答案.doc

  • 资料评价:

    / 4
    所需积分:1 立即下载

    意见
    反馈

    返回
    顶部