首页 基于相关匹配及自适应模板更新的目标跟踪新方法.pdf

基于相关匹配及自适应模板更新的目标跟踪新方法.pdf

基于相关匹配及自适应模板更新的目标跟踪新方法.pdf

上传者: wanghao198901 2013-12-08 评分1 评论0 下载0 收藏0 阅读量700 暂无简介 简介 举报

简介:本文档为《基于相关匹配及自适应模板更新的目标跟踪新方法pdf》,可适用于硬件技术领域,主题内容包含年月August计算机工程ComputerEngineering第第期Vol卷No人工智能及识别技术文章编号:()文献标识码:A中图分类号:TN基于符等。

年月August计算机工程ComputerEngineering第第期Vol卷No人工智能及识别技术文章编号:()文献标识码:A中图分类号:TN基于相关匹配及自适应模板更新的目标跟踪新方法黄飞李德华姚迅(图像信息处理与智能控制国家教育部重点实验室华中科技大学图像识别与人工智能研究所武汉)摘要:传统的相关匹配算法在背景比较简单的情况下可以较好地跟踪到目标但实际获得的图像存在变形、噪声、遮挡等问题并且也很难获得比较好的跟踪效果。针对上述问题提出了一种修正的MCD相关匹配算法和多帧累积的模板更新策略并对实际图像进行了仿真。实验结果表明算法在图像存在变形、噪声、遮挡时也可以达到比较理想的跟踪效果。关键词:相关匹配MCD多帧累积自适应模板修正NewTargetTrackingMethodBasedonCorrelationMatchingandAdaptiveModalModificationHUANGFei,LIDehua,YAOXun(StateEducationCommissionKeyLaboratoryforImageProcessingandIntelligenceControl,InstituteforPatternRecognitionandArtificialIntelligence,HuazhongUniversityofScienceandTechnology,Wuhan)【Abstract】Systemsbasedoncorrelationtrackingcantrackobjectsbasedondimensionalshape,howevertraditionalcorrelationtrackingmethodshavedifficultyindetectinganobjectwhentheobjectistransformedorpartiallyobscuredbyclutterThispaperdescribesoneofthemainproblemsofimagebasedcorrelationtrackingsystems,andproposesanewsolutionofusingmodifiedMCDcorrelationmatchingandadaptivemodalmodificationbasedonmultipleframecumulationThesystemistestedonbothrealandsimulatedimagerywhichisfoundtoberobustinthepresenceofobscuringclutterandtransformingandbepractical【红可踪其踪得目踪部匹要目了算统M产需曲ijKeywords】correlationmatchMCDmultipleframecumulationadaptivemodalmodification目标跟踪在民用和军事上的应用越来越广泛例如机载外跟踪报警系统、精确制导系统等。目标跟踪的算法总体分为几类:直接利用目标的灰度信息进行模板相关匹配跟,先分割后跟踪,基于目标运动估计的跟踪,等。中基于模板更新的相关匹配跟踪方法由于其计算量小、跟精度较高一直有比较广泛的应用但跟踪的持续性很难到保证。目标在运动过程中容易出现短时间被遮挡的情况当标被遮挡时如果不做相关的处理很容易产生跟踪漂移跟的持续性得不到保证。而且当目标局部由于光照而产生局灰度特征突变时基于模板相关匹配的方法就容易产生误配而形成跟踪漂移。要实现图像的持续高精度的跟踪就需克服基于模板相关匹配算法在跟踪存在光照、遮挡情况的标时容易产生误匹配的缺点。本文针对实际图像存在变形、噪声、遮挡等特点提出一种新的快速跟踪的算法。该算法针对的MCD相关匹配法对序列图像跟踪的不足将图像进行局部MCD处理再计局部匹配结果从而得到总体的匹配度以克服传统的CD算法对存在局部变形、光照的红外图像进行跟踪时容易生跟踪漂移的不足。同时根据相关跟踪中目标模板的更新要提出了一种多帧累积的模板更新策略。相关匹配算法一个典型的图像序列相关跟踪流程由以下步骤组成:()模板与当前场景帧进行相关匹配得到一个匹配度面。()根据匹配度曲面峰值对应的坐标在当前场景帧中对目标进行定位。()从场景帧中提取出目标结合当前模板对模板图像进行更新。每帧重复以上过程。可见相关匹配算法的好坏直接影响到最后的跟踪精度相关匹配算法要求不仅能够对正确目标匹配得比较好而且要能够识别虚警目标避免产生跟踪漂移。相关匹配可以分为空域匹配和频域匹配。空域匹配中首先分别将模板图像和当前帧场景图像表示为矩阵M和Gij对它们进行相关匹配即是计算矩阵M和G的点积:(,)Cij=•ijGM()其中Gij表示以前次目标的定位点(i,j)为中心在当前帧场景图像中选取的目标搜索区域的矩阵形式。如果模板图像比较大为了提高效率可以采用频域匹配算法。先分别求出矩阵M和Gij的傅立叶变换和MijG则频域匹配可用下式表示(,)(CijF=•)ijGM()上面提到的空域和频域相关匹配算法存在一个问题即当图像中像素的灰度值比较大时如光照时容易产生误匹配。作者简介:黄飞(-)男博士研究生主研方向:模式识别红外目标跟踪李德华教授、博士生导师姚迅博士研究生收稿日期:Email:stefalosohucom因此要对它们进行归一化归一化后的空域和频域匹配分别可以用式()和式()表示。()(,)()Cij•=ijijGMGM()()(,)(()CijF•=)ijijGMGM()在空域和频域相关匹配算法的基础上衍生了很多其他的算法如文献中提到的基于IVF和TM综合的相关匹配方法文献中提到的POMF等。修正的MCD相关匹配算法文献提出了一种MCD相关匹配算法:这种算法结合最小绝对差方法定义一种新的图像间的相似性度量这种度量即为MCD(最多邻近点)假设模板图像A大小为MN那么它和任一同样大小的图像B的MCD距离为,,(,)(,)MNijijijDABRAB===()其中,,(,)elseijijijijABTRAB<=即首先比较待匹配的两幅图像对应点的灰度绝对差如果这个绝对差小于某个确定的门限(这个门限是经过实验观察得出来的经验表明该值取~)那么就可以认为这两点近似然后统计整幅图像区域中对应点像素绝对差小于这个门限的数目就可以确定这两幅图像的相似程度了。把这个数目定义为MCD距离MCD距离越大说明两幅图像越相似。当将模板图像在目标图像内滑动时统计每个位置处的图像与模板图像的MCD距离就可以得到整个图像的一个相关曲面最后寻找这个相关曲面的峰值即可确定最佳匹配位置。这样可以避免传统相关匹配算法中噪声点引起的相关曲面不突出的缺点。MCD算法的优点在于其运算量比较小且对于局部灰度信息不存在突变的目标跟踪比较准确但对于局部灰度信息突变的地方就会产生误匹配从而由局部的不匹配影响到了全局的匹配精度最终产生目标的误匹配。机载红外CCD拍摄图像时由于拍摄过程中的抖动以及仪器自身的缺陷其拍摄的图像具有形变、遮挡、局部高噪声等特点当在这种复杂场景图像中运用MCD算法时容易产生误匹配针对此不足本文提出了一种修正的MCD相关匹配算法即局部MCD算法。将模板图像分成n*n共n块仅在子块中使用MCD算法进行匹配当子块的MCD距离大于阈值λ时表示此子块为匹配子块。图是模板图像和候选区域划分图在仿真试验中设n为。令模板图像与当前场景图像中与其同样大小区域已匹配子块的个数为S则初始S值为零每匹配上一个子块将S加。这样将模板图像在当前场景图像的候选区域滑动时可以产生一个S的曲面曲面的峰值对应的区域即为最佳匹配区域。局部MCD算法可以描述为Modi,,D(A,B)((,)(,)(,)nnkkMnNnkiij)jijfdabdabRab=====()其中,,(,),()elseelseijijijijabTxRabfxλ<>==为大小相同的两幅图像这里指的是子图像块。,ab场景图像的候选区域模板图像区域(X,Y)*的子块图模板和候选区域子块的划分将MCD相关运用到局部图像时即使局部像素强度的影响产生了局部匹配误差也不会影响到全局的匹配精度这样就可以克服MCD在处理图像时由于局部像素强度异常而产生的误匹配。多帧累积的模板更新策略通常拍摄的图像序列具有变形、噪声、遮挡等特点而且前帧图像和后帧图像在强度等方面也会有不同的呈现因此对模板图像进行适时的更新就是能否跟踪到目标且同时降低误跟踪概率的关键步骤。在文献中采用模板更新的策略是对当前模板与当前帧匹配区域进行适当的融合即:()NRRIRαα=()其中α是由上节中的匹配算法计算得到的模板与匹配区域的匹配值R为原模板图像I为当前帧匹配区域NR为更新后的模板图像。此种模板策略容易受当前帧匹配区域的影响且不能反映前面模板对当前模板的贡献度容易形成误差积累而逐渐脱离实际跟踪目标。针对上面策略的不足本文提出了一种多帧累积的模板更新策略步骤如下:将前几帧的模板图像进行适当的融合融合方式可用式()表示。nnnRaRaRaRaR=,,,naaa()其中是一组权系数iR表示用于第i帧图像匹配的模板图像。考虑到实际系统要求的实时性采用前后幅模板图像累积来得到新的当前模板图像可用式()表示。k()kRaRaRaIRkk=()()RRaIR=()其中I表示当前帧匹配区域图像kR表示当前模板图像kR表示前幅模板图像更新后的模板图像为kR。当求第幅模板图像时用式()计算此时式()就回归成式()只是令aα=。计算式()中的权系数。令前幅模板图像和其匹配区域图像的匹配度为m,,aaaa当前模板图像和其匹配区域图像的匹配度为mm和m可由式()计算得到则权系数aa分别为,,mamm=()mamm=()am=()显然aa=这表明新的模板累积策略是参考前两次模板图像和其匹配区域的匹配度来计算前两幅模板图像对新模板图像的贡献度同时考虑到了当前匹配区域对新的模板图像的影响。这样不仅有效地克服了模板图像容易受突变帧影响(如目标被遮挡)而容易丢失目标的缺陷也可以避免Administrator矩形模板图像随噪声漂移同时满足了系统的实时性的需求。实验结果分析在仿真试验中选取一个实地拍摄的图像序列跟踪目标为一运动中的小轿车使用局部MCD匹配和多帧累积的模板更新策略对这个图像序列进行跟踪得到了一组跟踪图像如图和图图左上角为当前模板的内容十字框所标识的对象即为跟踪对象。图为文献中提到的MCD算法跟踪的结果图为使用局部MCD匹配和多帧累积的模板更新策略后的跟踪结果。从图中可以发现目标被遮挡时产生了误匹配然后逐渐丢失目标。而在图中跟踪过程平稳模板更新及时且正确跟踪点漂移小可以较好地处理目标被遮挡的情况。第帧第帧第帧第帧第帧图实地场景序列图像跟踪第帧第帧第帧第帧第帧第帧图实地场景序列图像跟踪结论本文提出了一种修正的基于MCD的相关匹配方法在此基础上同时利用多帧积累的模板更新策略可以有效地对图像感兴趣目标进行跟踪实验验证了此方法的有效性与稳定性可以满足序列图像的实现实时目标跟踪的需求。参考文献罗诗途,罗飞路,王燕玲基于自适应模板修正的相关跟踪方法J仪器仪表学报,,():吕相银,黄超超,凌永顺红外成像跟踪算法性能及应用分析J红外技术,,():YangWeiping,LiJicheng,ShenZhenKangUsingSegmentationforPrecisionTrackingCProceedingsoftheInternationalSocietyofOpticalEngineer,:LeeHC,OlsonTLPTargetRecognitionandTrackinginanInfraredSystemCProceedingsoftheInternationalSocietyofOpticalEngineer,:SinhaA,KirubarajanTApplicationoftheKalmanlevyFilterforTrackingManeuveringTargetsCProceedingsoftheInternationalSocietyofOpticalEngineer,:MorelandeMR,ChallaS,GordonNAStudyoftheApplicationofParticleFilterstoSingleTargetTrackingProblemsCProceedingsoftheInternationalSocietyofOpticalEngineer,:WongSAdvancedCorrelationTrackingofObjectsinClutteredImageryCProceedingsoftheInternationalSocietyofOpticalEngineer,:BalA,AlamMSAutomaticTargetTrackinginFLIRImageSequencesCProceedingsoftheInternationalSocietyofOpticalEngineer,:ChiouJengYih,HwangKaoShingObjectTrackingAnARTBasedPhaseFilteringApproachCProceedingsoftheInternationalSocietyofOpticalEngineer,:ChyeHwaLoo,AlamMSInvariantObjectTrackingUsingFringeadjustedJointTransformCorrelatorJOpticalEngineering,,():ChenHaixin,ShenZhenkang,LiZhiyongANewTargetTrackingMethodforOpticalIRImageSequencesCProceedingsoftheInternationalSocietyofOpticalEngineer,:~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~(上接第页)参考文献FukunagaKIntroductiontoStatisticalPatternRecognitionMNewYork:AcademicPress,BelhumeurPN,HespanhaJP,KriegmanDJEigenfacesvsFisherfacesRecognitionUsingClassSpecificLinearProjectionJIEEETransactionsonPatternAnalysisandMachineIntelligence,,():孙文爽,陈兰祥多元统计分析M北京:高等教育出版社,SunQS,ZengSG,LiuY,etalANewMethodofFeatureFusionandItsApplicationinImageRecognitionJPatternRecognition,,():HeYH,ZhaoL,ZouCRFaceRecognitionBasedonPCAKPCAPlusCCACProcofICNC’BerlinHeidelberg:SpringerVerlag,:DeBieT,CristianiniN,RosipalREigenproblemsinPatternRecognitionMHandbookofComputationalGeometryforPatternRecognition,ComputerVision,NeurocomputingandRoboticsHeidelberg:SpringerVerlag,BarkerM,RayensWPartialLeastSquaresforDiscriminationJJournalofChemometrics,,():MoghaddamB,PentlandAProbabilisticVisualLearningforObjectRepresentationJIEEETransactionsonPatternAnalysisandMachineIntelligence,,():

职业精品

(汽车)产品营销策划书范文.doc

HH牙膏营销方案策划书.doc

加班管理人力资源考勤管理系统方案.doc

物品采购管理制度-正式.doc

用户评论

0/200
    暂无评论
上传我的资料

精彩专题

相关资料换一换

资料评价:

/ 3
所需积分:1 立即下载

意见
反馈

返回
顶部