文獻(xiàn)標(biāo)識(shí)碼: A
DOI:10.16157/j.issn.0258-7998.2017.05.034
中文引用格式: 周楊,,胡桂明,,黃東芳. 基于邊緣自適應(yīng)的Mean Shift目標(biāo)跟蹤方法[J].電子技術(shù)應(yīng)用,2017,,43(5):138-142.
英文引用格式: Zhou Yang,,Hu Guiming,Huang Dongfang. Object tracking method based on Mean-Shift of edge adaption[J].App-
lication of Electronic Technique,,2017,,43(5):138-142.
0 引言
在計(jì)算機(jī)視覺(jué)領(lǐng)域中的一個(gè)重要研究方向是對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤,而應(yīng)用在運(yùn)動(dòng)目標(biāo)跟蹤方向的一種常用方法是Mean Shift算法,,它是指通過(guò)均值漂逸[1]的方法,,從目標(biāo)前一幀的真實(shí)位置逐步迭代至當(dāng)前幀目標(biāo)位置的過(guò)程,。FUKUNAGA K等[2]人在1975年最早提出了該算法,,并由CHENG Y Z[3]在1995年加入核函數(shù)后改進(jìn)推廣,之后被運(yùn)用到運(yùn)動(dòng)目標(biāo)的跟蹤領(lǐng)域,。
Mean Shift算法以復(fù)雜度小,、易于集成等優(yōu)點(diǎn)在運(yùn)動(dòng)目標(biāo)跟蹤領(lǐng)域應(yīng)用非常廣泛。并且它采用核函數(shù)直方圖模型,,能夠有效應(yīng)對(duì)目標(biāo)邊緣被遮擋,、目標(biāo)的變形等問(wèn)題。但是單一的Mean Shift算法也存在一些缺點(diǎn),,如在跟蹤過(guò)程中,,由于Mean Shift的核函數(shù)窗口大小是固定不變的,當(dāng)目標(biāo)尺寸變化時(shí)就會(huì)導(dǎo)致跟蹤失敗,。文獻(xiàn)[4]針對(duì)這一點(diǎn)提出了基于運(yùn)動(dòng)矢量分析的Mean Shift核窗寬動(dòng)態(tài)更新模型,,達(dá)到了一定的效果,;COLLINS R T[5]提出了一種Lindbeger圖像多尺度理論,它在迭代過(guò)程中會(huì)不斷計(jì)算DOG算子與核窗的卷積,,計(jì)算量較大,;文獻(xiàn)[6]提出了三步法,即用正負(fù)10%的核窗口大小與原核窗進(jìn)行3次搜索,,并選擇巴氏距離[7]最小的為最佳核窗大小,。3次的搜索大大增加了搜索時(shí)間,影響實(shí)時(shí)性,,并且核窗口調(diào)整范圍有限,。彭寧嵩[8]等提出用形心進(jìn)行配準(zhǔn)來(lái)檢測(cè)角點(diǎn)的方法以及覃劍[9]提出用邊界力來(lái)約束Mean Shift核窗寬的算法,一定程度上緩解了目標(biāo)變大帶來(lái)的影響,,但是算法仍然都比較復(fù)雜,。文獻(xiàn)[10]針對(duì)目標(biāo)尺寸變化以及目標(biāo)運(yùn)動(dòng)速度快和遮擋問(wèn)題,提出一種結(jié)合光流場(chǎng)的自適應(yīng)Mean Shift跟蹤算法,,提高了跟蹤可靠性,,但它局限于透視變化的先驗(yàn)基礎(chǔ)上,仍然會(huì)出現(xiàn)諸多問(wèn)題,。文獻(xiàn)[11]加權(quán)目標(biāo)區(qū)域像素點(diǎn)空域后,,利用Mean Shift算法搜索其彩色圖像實(shí)現(xiàn)對(duì)快速運(yùn)動(dòng)目標(biāo)的定位,再根據(jù)目標(biāo)縮放因子實(shí)現(xiàn)對(duì)尺寸變化的目標(biāo)的跟蹤,,大大提高了準(zhǔn)確度,,但是增加了計(jì)算量。文獻(xiàn)[12]針對(duì)相似背景顏色干擾問(wèn)題提出多特征自適應(yīng)融合的Mean Shift目標(biāo)跟蹤方法,,但是它的尺寸自適應(yīng)效果并不理想,,影響跟蹤準(zhǔn)確性。綜合前人的方法以及問(wèn)題,,本文提出一種基于邊緣特性的Mean Shift核窗口自動(dòng)調(diào)節(jié)方法,,它是檢測(cè)目標(biāo)區(qū)域的邊緣,根據(jù)形心求取核窗口大小,,核窗口大小會(huì)實(shí)時(shí)地根據(jù)目標(biāo)的尺度變化而變化,,提高跟蹤準(zhǔn)確度,并且算法復(fù)雜度大大減小,。
1 Mean Shift跟蹤技術(shù)
Mean Shift算法運(yùn)用在運(yùn)動(dòng)目標(biāo)跟蹤時(shí),,首先根據(jù)目標(biāo)特征的概率直方圖建立初始模板,一般選取目標(biāo)的顏色特征,,為了使跟蹤效果更好,,也會(huì)選擇多種特征的結(jié)合;然后在當(dāng)前幀中選擇以前一幀的目標(biāo)真實(shí)位置點(diǎn)為中心,,以固定設(shè)置的Mean Shift搜索半徑為半徑的區(qū)域建立候選目標(biāo)模板,;再對(duì)兩模板進(jìn)行相似性度量,。如果沒(méi)滿足預(yù)設(shè)要求,則以搜索到的新位置為起點(diǎn)繼續(xù)搜索下一位置,,直到滿足預(yù)設(shè)的條件為止,。
令目標(biāo)模板在前一幀的真實(shí)位置為y0,在以當(dāng)前幀對(duì)應(yīng)位置y0為中心的候選目標(biāo)特征概率集合為{pt(y)|t=1,,…,,d},由于相鄰兩幀之間間隔很小,,目標(biāo)中心位移不會(huì)發(fā)生很大的跳躍性變化,,所以y總是在y0附近,則有巴氏系數(shù)ρ(y)在當(dāng)前幀位置y0的泰勒展開(kāi)近似為:
按照這個(gè)方法反復(fù)搜索下去,,直到Mean Shift向量滿足||Mh,,g(x)||<ε條件,ε為預(yù)先設(shè)定的允許誤差閾值,,這時(shí)就完成了從上一幀到當(dāng)前幀的目標(biāo)跟蹤任務(wù),。連續(xù)不斷地執(zhí)行上一幀到當(dāng)前幀的搜索,就完成了運(yùn)動(dòng)目標(biāo)的連續(xù)跟蹤,。
2 Mean Shift核窗口自適應(yīng)方法
Mean Shift算法在運(yùn)動(dòng)目標(biāo)跟蹤領(lǐng)域得到了廣泛的應(yīng)用,,但其固定的核窗口會(huì)導(dǎo)致跟蹤準(zhǔn)確度降低,甚至?xí)?dǎo)致跟蹤失敗,。文中就這個(gè)問(wèn)題提出了一種基于邊緣特性的Mean Shift搜索核半徑自適應(yīng)目標(biāo)的跟蹤方法,。
2.1 固定核窗口跟蹤問(wèn)題
視頻畫(huà)面中物體的運(yùn)動(dòng)方式各種各樣,有的保持與攝像機(jī)的距離做各種速度的運(yùn)動(dòng),;有的可能遠(yuǎn)離攝像機(jī)運(yùn)動(dòng),;有的靠近攝像機(jī)運(yùn)動(dòng)。這3種情況下,,目標(biāo)會(huì)存在目標(biāo)形狀不變,、變小、變大的情況,。目標(biāo)的大小改變以后,,核窗口固定的Mean Shift搜索會(huì)影響到目標(biāo)跟蹤的準(zhǔn)確度,,甚至是跟丟目標(biāo),。
分析遠(yuǎn)離和靠近攝像頭的情況如圖1所示。圖1(a)是在目標(biāo)遠(yuǎn)離第1幀的跟蹤情況,,由于采用的核窗口大小與跟蹤的目標(biāo)大小基本吻合,,所以定位跟蹤效果準(zhǔn)確。圖1(b)是目標(biāo)遠(yuǎn)離第300幀的跟蹤情況,,Mean Shift核搜索窗口大小沒(méi)變,,而跟蹤的目標(biāo)因遠(yuǎn)離或其他原因逐漸變小,,當(dāng)附近存在特征類似的物體噪聲時(shí),定位中心不準(zhǔn)確,,還能勉強(qiáng)跟蹤到目標(biāo),。可是當(dāng)目標(biāo)變得更小,,而類似干擾物體卻更加明顯,,這時(shí)的跟蹤效果如圖1(c)目標(biāo)遠(yuǎn)離800幀所示,完全跟丟目標(biāo),。這樣的情況很有可能存在,,比如在高速公路上,跟蹤的目標(biāo)車輛遠(yuǎn)離攝像機(jī),,類似干擾車輛迎面開(kāi)來(lái)的情況?,F(xiàn)又假設(shè)跟蹤的目標(biāo)是迎面靠近攝像機(jī)的情況,就會(huì)發(fā)生圖1(d)~(f)的情況,,為了能夠分辨出搜索框,,圖1(f)的搜索框調(diào)成了黑色。目標(biāo)越來(lái)越大會(huì)導(dǎo)致Mean Shift在搜索匹配時(shí)有很大的隨機(jī)性,,并且不能真實(shí)反映出完整的目標(biāo)特征,。可見(jiàn),,搜索的核窗口在Mean Shift算法中的重要性,。所以尋求一種能自動(dòng)調(diào)節(jié)核窗口大小的Mean Shift搜索算法是本節(jié)研究的重要內(nèi)容。
2.2 以目標(biāo)形心為中心的最小外“接”圓
目標(biāo)的最小外“接”圓的半徑可認(rèn)為是Mean Shift搜索算法的核半徑,,這里的外“接”圓的含義是指:無(wú)論目標(biāo)是什么形狀,,都可以用一個(gè)最小的圓把它“圈”起來(lái),如圖2所示,。
但是以形心為圓點(diǎn)中心的外“接”圓才是Mean Shift搜索算法的最佳核半徑,如圖3所示,。
當(dāng)運(yùn)動(dòng)的目標(biāo)在Mean Shift算法的搜索窗口中心時(shí),,搜索的視覺(jué)效果與準(zhǔn)確度是最佳的,且在保證目標(biāo)特征都在搜索窗口內(nèi)的情況下要使搜索半徑越小越好,,以減少外界的影響,。由數(shù)學(xué)知識(shí)可知,在相同大小的鈍角三角形中,,圖3(a)的外接圓的半徑要比圖3(b)以形心為中心的外“接”圓半徑大,,所以圖3(b)的半徑才是最佳的Mean Shift算法的搜索半徑。
2.3 基于目標(biāo)邊緣特性的形心求解
由上一小節(jié)得知,Mean Shift算法的最佳搜索半徑應(yīng)是以形心為中心的外“接”圓半徑,,那么本章算法在求此半徑之前需先求出運(yùn)動(dòng)目標(biāo)的形心位置,。
面的形心為截面圖形的幾何中心,這里的面不一定是完整的面,,空心的面,、甚至是出現(xiàn)缺口的面都能準(zhǔn)確求解出其形心,如圖4所示,。
所以不需要得到完整的目標(biāo)形狀就可以求出形心,,由于邊緣的特殊性,算法選擇檢測(cè)出運(yùn)動(dòng)目標(biāo)的邊緣,,得到大致的輪廓,,獲取出邊緣特性的二值圖像,然后進(jìn)行形心的求解,。
為了簡(jiǎn)單方便,,算法不再求取整個(gè)圖像幀的二值圖像,而只需要在僅包含運(yùn)動(dòng)目標(biāo)區(qū)域及其領(lǐng)域內(nèi)邊緣檢測(cè)得到二值圖像,。由于目標(biāo)可能與相似移動(dòng)的物體接壤,,所以這里要通過(guò)連通域分析及形態(tài)學(xué)處理后才能得到目標(biāo)較準(zhǔn)確的二值圖像。
令(x0,,y0)為目標(biāo)模板在前一幀的真實(shí)中心位置,,設(shè){f(x,y)|x2+y2≤(1+10%)h}為以當(dāng)前幀位置(x0,,y0)為中心,、(1+10%)h為半徑區(qū)域內(nèi)的二值圖像集合,h為Mean Shift初次搜索的核窗口大小,,該大小范圍包含了前一幀運(yùn)動(dòng)目標(biāo)模板的所有特征,。算法把范圍擴(kuò)大是為了解決運(yùn)動(dòng)目標(biāo)變大的情況。由于相鄰兩幀之間間隔很小,,目標(biāo)區(qū)域不會(huì)發(fā)生很大的跳躍性變化,,所以擴(kuò)大綽綽有余,由于:
2.4 自適應(yīng)核窗口半徑
求出視頻圖像當(dāng)前幀中運(yùn)動(dòng)目標(biāo)的形心坐標(biāo)以后,,本文算法用一個(gè)包含目標(biāo)所有輪廓的圓去一步一步地夾逼目標(biāo)二值圖像,,從而得到以形心為中心的最小外“接”圓,進(jìn)而得出其半徑,,這個(gè)半徑就是更新后的Mean Shift搜索算法的核窗口半徑,,如圖5所示。
圖5中初始大小的圓半徑為(1+10%)h,,二值圖像中,,易知在圓上的所有像素值為0,減小圓半徑,,當(dāng)圓上的像素值首次大于0時(shí),,認(rèn)定此時(shí)的圓為所求“夾”住目標(biāo)的圓,此時(shí)的半徑為所需要求出的半徑,,即為Mean Shift搜索算法的新核窗半徑,。
令以形心(xpoid,ypoid)為中心的初始圓半徑為h0=(1+10%)h,,h為Mean Shift初始搜索核半徑,,則該圓可表示為:
設(shè)在圓上所有像素點(diǎn)的像素值為f(x,y),,那么求取新核窗半徑的算法步驟為:
(1)設(shè)初始圓半徑為h0=(1+10%)h,,h為Mean Shift初始搜索核半徑;
(2)圓{(x-xpoid)2+(y-ypoid)2=[(1-j%)h0]2|j=0,,…,,n}上的所有像素點(diǎn)為(x,y),,其中j為小于100的循環(huán)次數(shù),,這些像素點(diǎn)對(duì)應(yīng)二值圖像上的像素值為f(x,y),;
(3)如果滿足f(x,,y)>0條件,則循環(huán)結(jié)束,,此時(shí)得到新核窗半徑為hauto=(1-j%)h0,,即hauto=(1-j%)(1+10%)h,否則返回第(2)步繼續(xù)循環(huán),。
利用Mean Shift算法在當(dāng)前幀進(jìn)行搜索前,,先通過(guò)以上步驟,根據(jù)當(dāng)前幀目標(biāo)邊緣特性的二值圖像,,求得實(shí)時(shí)更新的搜索半徑,,再進(jìn)行后面的搜索步驟,從而達(dá)到了Mean Shift可自動(dòng)調(diào)節(jié)核窗大小的目的,。
3 實(shí)驗(yàn)結(jié)果對(duì)比分析
本實(shí)驗(yàn)在OpenCV3.0+VC++6.0+MATLAB平臺(tái)上完成,,實(shí)驗(yàn)主要驗(yàn)證文中所提出的Mean Shift核窗自動(dòng)調(diào)節(jié)的跟蹤算法的優(yōu)點(diǎn)及跟蹤效果。選取一段在廣西大學(xué)大禮堂外的道路與同學(xué)合作拍攝的運(yùn)動(dòng)目標(biāo)逐漸靠近攝像機(jī)的視頻圖像,,當(dāng)時(shí)多云天氣,,光線較好。視頻中把測(cè)試者與電動(dòng)車看成一個(gè)待跟蹤的運(yùn)動(dòng)目標(biāo),,測(cè)驗(yàn)者駕駛電動(dòng)車,,從遠(yuǎn)處逐步的向鏡頭開(kāi)來(lái),測(cè)試者與電動(dòng)車這個(gè)目標(biāo)逐漸的變大,甚至還從正面轉(zhuǎn)到了側(cè)面,,最后從鏡頭的后邊開(kāi)出,。實(shí)驗(yàn)結(jié)果如圖6所示。
圖6(a)中圓圈表示固定核窗的Mean Shift算法跟蹤效果,,圖6(b)中圓圈表示本文改進(jìn)的可自動(dòng)調(diào)節(jié)核窗大小的Mean Shift跟蹤效果,。對(duì)比可以看出,由于目標(biāo)的迎面靠近會(huì)逐漸變大,,固定跟蹤的核窗口根本無(wú)法確定出目標(biāo)的正確中心位置,,并且不能包含全部的目標(biāo)特征,會(huì)逐步遺失運(yùn)動(dòng)目標(biāo)的特征,;根據(jù)目標(biāo)的變化情況而自動(dòng)調(diào)節(jié)搜索核窗大小的新跟蹤算法能夠包含全部的目標(biāo)特征,,且能準(zhǔn)確定位目標(biāo)位置,對(duì)目標(biāo)實(shí)施有效跟蹤,。
為了使結(jié)果更具說(shuō)服力,,本文對(duì)圖6中最后一幅圖的跟蹤效果進(jìn)行詳細(xì)分析,利用運(yùn)動(dòng)目標(biāo)的二值圖像來(lái)分析Mean Shift搜索核窗口所能夠包含的真實(shí)運(yùn)動(dòng)目標(biāo)的點(diǎn),,如圖7所示,。
根據(jù)圖7二值圖像的特征點(diǎn)數(shù),分析原始Mean Shift固定核窗口跟蹤算法與文中新提出的基于邊緣自適應(yīng)的Mean Shift目標(biāo)跟蹤方法的搜索錯(cuò)誤率σ,、搜索準(zhǔn)確率η以及目標(biāo)信息完整度δ,。搜索錯(cuò)誤率表示在Mean Shift搜索過(guò)程中,搜索到的背景特征點(diǎn)與搜索總特征點(diǎn)的比率,;搜索準(zhǔn)確率表示在Mean Shift搜索過(guò)程中,,搜索到的目標(biāo)特征點(diǎn)與搜索總特征點(diǎn)的比率;搜索目標(biāo)信息完整度表示搜索到的目標(biāo)特征點(diǎn)與目標(biāo)總特征點(diǎn)數(shù)的比率,。搜索準(zhǔn)確率和搜索目標(biāo)信息完整度共同來(lái)表征對(duì)目標(biāo)的跟蹤準(zhǔn)確度,,對(duì)目標(biāo)信息包含越完整跟蹤的目標(biāo)越準(zhǔn)確,搜索的準(zhǔn)確率越高,,對(duì)目標(biāo)特征的跟蹤越高,。
經(jīng)過(guò)處理后圖像的分辨率是800×600,480 000個(gè)像素點(diǎn),。二值圖像特征點(diǎn)中,,令目標(biāo)總特征點(diǎn)為M個(gè),Mean Shift搜索窗口所包含像素點(diǎn)為N個(gè)(其中目標(biāo)特征像素點(diǎn)有N1個(gè),,背景特征像素點(diǎn)有N2個(gè)),。則搜索錯(cuò)誤率σ為:
把實(shí)驗(yàn)的數(shù)據(jù)統(tǒng)計(jì)在表1中,對(duì)其數(shù)據(jù)分析可以得出:
(1)原有的Mean Shift固定搜索窗口算法搜索到的特征錯(cuò)誤率有20.079%,,而文中新提出的方法,,即可自動(dòng)調(diào)節(jié)的搜索核窗口雖然包含的背景錯(cuò)誤特征點(diǎn)數(shù)略多于Mean Shift固定核窗算法,,但其包含了大量的運(yùn)動(dòng)目標(biāo)特征,特征錯(cuò)誤率只有5.718%,,從而使搜索準(zhǔn)確率達(dá)到了94.282%,;
(2)Mean Shift算法固定搜索窗僅包含了22.494%的運(yùn)動(dòng)目標(biāo)特征信息點(diǎn),而文中算法高達(dá)97.714%的目標(biāo)信息,,進(jìn)而使跟蹤目標(biāo)的準(zhǔn)確度大大提高,。
4 結(jié)束語(yǔ)
文中提出了一種基于邊緣自適應(yīng)的Mean Shift目標(biāo)跟蹤方法,,其思想是使Mean Shift搜索核窗口大小能夠根據(jù)目標(biāo)的形狀變化而自動(dòng)調(diào)節(jié),,利用目標(biāo)二值圖像邊緣信息,找出其形心,,通過(guò)逐步縮小的圓去夾逼目標(biāo),,進(jìn)而找出最適合的Mean Shift搜索核窗口。實(shí)驗(yàn)結(jié)果表明,,該方法能夠使Mean Shift搜索核窗口包含大量而完整的運(yùn)動(dòng)目標(biāo)特征信息,,降低搜索的錯(cuò)誤率,提高搜索準(zhǔn)確率,,從而精確地跟蹤運(yùn)動(dòng)目標(biāo),。此方法雖然能夠非常精確地跟蹤運(yùn)動(dòng)目標(biāo),但當(dāng)有其他類似運(yùn)動(dòng)物體與運(yùn)動(dòng)目標(biāo)接壤時(shí),,求解目標(biāo)領(lǐng)域內(nèi)的二值圖像就變得困難,,從而會(huì)影響形心以及搜索核窗大小,這是今后要研究解決的問(wèn)題,。
參考文獻(xiàn)
[1] 周芳芳,,樊曉平,葉榛.均值飄逸算法的研究與應(yīng)用[J].控制與決策,,2007,,22(8):841-847.
[2] FUKUNAGA K,HOSTETLER L.The estimation of the gradient of a density function with applications in Pattern Recognition[J].IEEE Transactions on Information Theory,,1975,,21(1):32-40.
[3] CHENG Y Z.Mean Shift, mode seeking, and clustering[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,1995,,17(8):790-799.
[4] 田綱.基于多特征融合的Mean Shift目標(biāo)跟蹤計(jì)算研究[D].武漢:武漢大學(xué),,2011.
[5] COLLLINS R T.Mean-shift blob tracking through scale space[C].In:Proc.Of the IEEE Conf. on Computer Vision and Pattern Recognition(CVPR’03),2003:234-240.
[6] COMANICIU D,,RAMESH V,,MEER P.Kernel-Based object tracking[J].IEEE Trans.On Pattern Analysis and Machine Intelligence,2003,,25(5):564-575.
[7] 宣國(guó)榮,,柴佩琪.基于巴氏距離的特征選擇[J].模式識(shí)別與人工智能,,1996,9(4):324-329.
[8] 彭寧嵩,,楊杰,,劉志,等.Mean Shift跟蹤算法中核函數(shù)窗寬的自動(dòng)選取[J].軟件學(xué)報(bào),,2005,,16(9):1542-1550.
[9] 覃劍.視頻序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[D].重慶:重慶大學(xué),2008.
[10] 李劍峰,,黃增喜,,劉怡光.基于光流場(chǎng)估計(jì)的自適應(yīng)Mean-Shift目標(biāo)跟蹤算法[J].光電子激光,2013,,23(10):1996-2002.
[11] 楊志菊,,劉寶華.基于Mean Shift的變尺寸快速運(yùn)動(dòng)目標(biāo)自適應(yīng)跟蹤算法[J].太赫茲科學(xué)與電子信息學(xué)報(bào),2015,,13(2):240-244.
[12] 劉苗,,黃朝兵.基于多特征自適應(yīng)融合的Mean Shift目標(biāo)跟蹤方法[J].現(xiàn)代計(jì)算機(jī)(專業(yè)版),2016(4):68-72.
作者信息:
周 楊,,胡桂明,,黃東芳
(廣西大學(xué) 電氣工程學(xué)院,廣西 南寧530004)