專利名稱：一種搜索運動前景感興趣區(qū)域的方法
一種搜索運動前景感興趣區(qū)域的方法技術(shù)領(lǐng)域
本發(fā)明屬于安全監(jiān)控領(lǐng)域，尤其涉及一種搜索運動前景感興趣區(qū)域的方法。
技術(shù)背景
單目視覺跟蹤系統(tǒng)是指將視頻跟蹤算法嵌入到云臺或高速球機中，實現(xiàn)遠(yuǎn)距離 的目標(biāo)跟蹤和目標(biāo)行為檢測。具體方案是首先，調(diào)用云臺或球機的閾值位，等待運動目標(biāo) 出現(xiàn)。然后，待目標(biāo)出現(xiàn)，利用運動檢測視頻算法提取目標(biāo)的模版。最后，將云臺或球機的 運動控制和基于特征的跟蹤視頻算法結(jié)合實現(xiàn)對目標(biāo)的實時跟蹤，并實現(xiàn)運動行為分析和 報警等功能。
運動目標(biāo)的檢測算法和跟蹤算法是單目視覺跟蹤系統(tǒng)的核心，在運動檢測完成和 啟動跟蹤算法之間的一個關(guān)鍵環(huán)節(jié)是如何將跟蹤目標(biāo)從包含運動陰影的前景運動區(qū)域中 準(zhǔn)確的分割開，以及如何處理由于背景更新速度快而形成的“尾巴”(即有部分背景被誤當(dāng) 作運動前景，以后簡稱“背景滯留”)問題。以上兩種情況都會導(dǎo)致后續(xù)的跟蹤過程失敗，因 為目標(biāo)感興趣區(qū)域偏離了運動檢測窗口的中心區(qū)域，從而造成初始化的目標(biāo)模板不能正確 的描述目標(biāo)特征的情況。
傳統(tǒng)的陰影檢測算法因其各自的缺點而沒有被廣泛的接受，可根據(jù)使用特征的不 同分為如下三種一是根據(jù)特殊環(huán)境約束條件的算法，如圖像投影和幾何投影，二者都要求 地面平直，目標(biāo)垂直地面，且需要了解攝像機位置和光源知識；二是根據(jù)亮度和顏色極其形 變特征的算法，如直方圖方法和顏色方法，直方圖方法使用象素的統(tǒng)計屬性作為分類標(biāo)準(zhǔn) 來檢測陰影但對背景要求苛刻，顏色方法是在RGB、HSV等顏色空間使用多閾值分割前景、 背景、陰影和高亮，但不能處理黑陰影，且亮度形變和顏色形變閾值需經(jīng)驗選取，且因畫面 內(nèi)容不同而分割效果不同；三是根據(jù)二色反射模型的算法，是一種的依據(jù)照明和反射的物 理模型方法，不依賴物體、背景的類型和畫面的幾何性，但是需要訓(xùn)練，計算場景中來自陰 影的每個背景表面的顏色向量。
目前背景滯留問題的主要解決方式是
(1)調(diào)整背景更新速度，盡量的減少滯留，但是滯留減少后往往會影響運動檢測算 法的效果。
(2)選擇合適核窗來適應(yīng)背景滯留帶來的效果，然而需要測試大量的先驗數(shù)據(jù)做 準(zhǔn)備，計算量較大。
當(dāng)前的運動目標(biāo)提取算法面臨的共同問題是
(1)如果被跟蹤目標(biāo)是非剛性物體(比如人)，即使將運動陰影完整的去除，由于 目標(biāo)形變的多樣性，難以確保目標(biāo)的大部分感興趣區(qū)域位于窗口中心，而建立目標(biāo)初始直 方圖模板中使用的像素權(quán)重分配核窗基本都遵循以中心處最高，向四周逐漸遞減的權(quán)重分 配原則。因此在權(quán)重分配核窗固定的情況下，對非剛性運動目標(biāo)建立初始模板的過程中經(jīng) 常會發(fā)生將部分背景像素分配較高的權(quán)重，生成的目標(biāo)模板不能完美的表述目標(biāo)信息，從 而影響跟蹤效果。3
(2)背景滯留問題，由于模板更新速度快而引起的“尾巴”現(xiàn)象，與問題⑴產(chǎn)生的 結(jié)果相同。發(fā)明內(nèi)容
本發(fā)明提供一種可以實時的、準(zhǔn)確的找出目標(biāo)感興趣區(qū)域，為之后初始模板的建 立打下良好基礎(chǔ)的搜索運動前景感興趣區(qū)域的方法。
本發(fā)明是這樣實現(xiàn)的，一種搜索運動前景感興趣區(qū)域的方法，所述方法包括
將檢索到的目標(biāo)感興趣區(qū)域的形狀參數(shù)映射到二維坐標(biāo)平面；
用粒子濾波技術(shù)在二維坐標(biāo)平面上實現(xiàn)方差率極大值搜索找出目標(biāo)感興趣區(qū)域。
本發(fā)明提供的基于方差率的感興趣區(qū)域搜索，可以實時的、準(zhǔn)確的找出目標(biāo)感興 趣區(qū)域，為之后初始模板的建立打下良好基礎(chǔ)，相比傳統(tǒng)的去陰影檢測算法，不僅能準(zhǔn)確的 抑制陰影，而且更能準(zhǔn)確的提取非剛性目標(biāo)感興趣區(qū)域，解決了即使不存在陰影情況下，由 于背景更新速度過快導(dǎo)致的“背景滯留問題”。


圖1是本發(fā)明第一實施例提供的搜索運動前景感興趣區(qū)域的方法的流程圖2是本發(fā)明第二實施例提供的搜索運動前景感興趣區(qū)域的方法的流程圖3是本發(fā)明實施例提供的粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)的判定準(zhǔn)則的流程圖4是是本發(fā)明實施例提供的根據(jù)窗口參數(shù)確定的二維平面示意圖5是是本發(fā)明實施例提供的的四種陰影分布示意圖。
具體實施方式
為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并 不用于限定本發(fā)明。
圖1示出了本發(fā)明第一實施例提供的搜索運動前景感興趣區(qū)域的方法的流程圖。 詳述如下，該方法包括
在步驟SlOl中，將檢索到的目標(biāo)感興趣區(qū)域的形狀參數(shù)映射到二維坐標(biāo)平面；
在本步驟中，窗口參數(shù)的選擇可以隨意設(shè)定，例如可以用窗寬和窗高來確定二維 平面區(qū)域，也可以用窗寬與窗高的比例和窗口寬(或窗口高)來確定，也可以用對角線的長 度和對角線與水平線夾角來確定。本方法用粒子濾波進(jìn)行搜索，考慮到矩形區(qū)域比較規(guī)則， 適合粒子發(fā)散，因此選擇窗寬與窗高的比例和窗口寬(或窗口高)來確定二維平面區(qū)域范 圍。
在本步驟中，初始化粒子狀態(tài)是將所有粒子的初始狀態(tài)向量設(shè)為同一個值，即二 維平面區(qū)域的中心位置。然后按照相同的權(quán)重進(jìn)行重采樣，粒子狀態(tài)轉(zhuǎn)移過程中的粒子傳 播區(qū)域設(shè)定為二維矩形平面區(qū)域?qū)蔷€長度的一半為半徑的圓。
在步驟S102中，用粒子濾波技術(shù)在二維坐標(biāo)平面上實現(xiàn)方差率極大值搜索找出 目標(biāo)感興趣區(qū)域。
在本步驟中，在色調(diào)通道中計算每個粒子對應(yīng)窗口區(qū)域與周圍環(huán)形區(qū)域的方差率大小，然后按照方差率大的粒子賦予的權(quán)重大，方差率小的賦予的權(quán)重小的原則進(jìn)行權(quán)重 分配，如果某粒子發(fā)散范圍超出矩形區(qū)域，那么不計算該粒子處的方差率，該粒子也不參與 權(quán)重分配與最優(yōu)估計的計算。若落在矩形區(qū)域內(nèi)的粒子數(shù)目小于60，則重新對該粒子進(jìn)行 狀態(tài)轉(zhuǎn)移，始終保證可參與計算方差率的粒子數(shù)不少于(本方法為60)。
在本步驟中，粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)的判定準(zhǔn)則是首先將每一次計算的最優(yōu) 估計位置與上一次最優(yōu)估計位置的歐幾里德距離輸入一個長度為η(本方法中取幻的緩 沖隊列，在緩沖隊列填滿后，計算隊列中元素的方差和均值，若均值小于閾值a，且方差小 于閾值b，則認(rèn)為粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)。為避免過多無意義的計算，定以一個計數(shù)變量 conut，用來統(tǒng)計最優(yōu)估計收斂的次數(shù)。若count小于10內(nèi)得到穩(wěn)定狀態(tài)結(jié)果則輸出當(dāng)前 的粒子群重心坐標(biāo)處對應(yīng)的方差率值，若沒有則輸出零。
在本步驟中，粒子狀態(tài)轉(zhuǎn)移不可避免的會遇到粒子覆蓋情況，對次情況則不必重 新計算重復(fù)粒子的方差率，延用前面計算過的值即可。
在本步驟中，四種陰影分布指的是目標(biāo)分別位于運動檢測窗口的左上、右上、左 下、右下四個邊界。在每一種狀態(tài)下輸出的方差率值，選取四組輸出值最大的那一個對應(yīng)的 窗口參數(shù)作為最終的結(jié)果輸出，若最大輸出值為零則窗口不做改變。
圖2示出了本發(fā)明第二實施例提供的搜索運動前景感興趣區(qū)域的方法的流程圖， 詳細(xì)如下
在步驟S201中，選定目標(biāo)感興趣區(qū)域的窗口參數(shù)，按照窗口參數(shù)設(shè)定范圍確定二 維平面區(qū)域范圍；
在步驟S202中，初始化粒子樣本狀態(tài)，進(jìn)行粒子重采樣和粒子狀態(tài)轉(zhuǎn)移；
在步驟S203中，在色調(diào)通道中計算每個粒子對應(yīng)窗口區(qū)域的方差率，并以方差率 值大小為粒子分配權(quán)重并按照權(quán)重計算粒子群的最優(yōu)估計位置；
在步驟S204中，按照粒子權(quán)重大小重新進(jìn)行粒子重采樣和粒子狀態(tài)轉(zhuǎn)移；
在步驟S205中，判斷粒子群最優(yōu)估計位置達(dá)到穩(wěn)定狀態(tài)，是則繼續(xù)步驟S206，否 則返回步驟S203 ；
在步驟S206中，輸出最優(yōu)估計收斂位置的方差率值；
在步驟S207中，是否計算完四種陰影分布，是則繼續(xù)步驟S208，否則返回步驟 S202 ；
在步驟S208中，從四組輸出中選取最大解的輸出。
在本發(fā)明的實施例中，粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)的判定準(zhǔn)則是首先將每一次計 算的最優(yōu)估計位置與上一次最優(yōu)估計位置的歐幾里德距離輸入一個長度為η(本方法中取 3)的緩沖隊列，在緩沖隊列填滿后，計算隊列中元素的方差和均值，若均值小于閾值a，且 方差小于閾值b，則認(rèn)為粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)。為避免過多無意義的計算，定義一個計 數(shù)變量conut，用來統(tǒng)計最優(yōu)估計收斂的次數(shù)。若count小于10內(nèi)得到穩(wěn)定狀態(tài)結(jié)果則輸 出當(dāng)前的粒子群重心坐標(biāo)處對應(yīng)的方差率值，若沒有則輸出零。具體實現(xiàn)流程如下
在步驟S301中，選定目標(biāo)感興趣區(qū)域的窗口參數(shù)，按照窗口參數(shù)設(shè)定范圍確定二 維平面區(qū)域范圍；
在步驟S302中，初始化粒子樣本狀態(tài)，進(jìn)行粒子重采樣和粒子狀態(tài)轉(zhuǎn)移，計數(shù)變 量count初始化為零；5
在步驟S303中，在色調(diào)通道中計算每個粒子對應(yīng)窗口區(qū)域的方差率，并以方差率 值大小為粒子分配權(quán)重并按照權(quán)重計算粒子群的最優(yōu)估計位置，計數(shù)變量count自加；在步驟S304中，按照粒子權(quán)重大小重新進(jìn)行粒子重采樣和粒子狀態(tài)轉(zhuǎn)移；在步驟S305中，判斷計數(shù)變量count的值是否小于等于10，是則繼續(xù)S306，否則 繼續(xù)S307 ；在步驟S306中，判斷粒子群最優(yōu)估計位置達(dá)到穩(wěn)定狀態(tài)，是則繼續(xù)步驟S308，否 則返回步驟S303 ；在步驟S307中，輸出零，表示該過程中沒有達(dá)到穩(wěn)定狀態(tài)；在步驟S308中，輸出最優(yōu)估計收斂位置的方差率值；在步驟S309中，是否計算完四種陰影分布，是則繼續(xù)步驟S310，否則返回步驟 S302 ；在步驟S310中，從四組輸出中選取最大解的輸出。以下結(jié)合具體實現(xiàn)方案多本發(fā)明做進(jìn)一步的說明。一種基于方差率的運動前景感興趣區(qū)域搜索方法，步驟如下第一、選擇窗寬與窗高的比值作為二維平面橫軸(X軸)，窗口高度作為縱軸(Y 軸)。如圖4所示，xl和x2、yl和y2分別表示感興趣區(qū)域窗口的寬高比和窗口高度的范圍， 可以根據(jù)實際需求設(shè)定，圖4中的圓和橢圓以及矩形小塊的灰度級別模擬了每個坐標(biāo)(窗 口參數(shù))下對應(yīng)的窗口與其周圍環(huán)形區(qū)域的方差率值的大小，顏色越暗代表該范圍的方差 率值越大，越亮代表該范圍的方差率值越小。本方法的目的就是要找出方差率的極大值處。第二、設(shè)定粒子總數(shù)為P = 60，i取值為0 59，代表第i個粒子。計數(shù)變量count 初始化為零。初始化粒子樣本狀態(tài)建立初始狀態(tài)向量^ = (x, y)T, χ、y分別表示二維平面矩 形區(qū)域中心位置的橫、縱坐標(biāo)。將所有粒子的初始狀態(tài)向量均設(shè)為^，并賦以相同的權(quán)值
7 =丄=0.016。 P重采樣按照權(quán)重Pw進(jìn)行重采樣。狀態(tài)轉(zhuǎn)移根據(jù)狀態(tài)轉(zhuǎn)移公式(1)，利用收斂計數(shù)為count狀態(tài)下(count初始值 為零)第i個粒子分布的狀態(tài),計算出收斂計數(shù)為count++狀態(tài)下的第i個粒子分布狀 態(tài)。公式(1)中B = (a, b)T為粒子傳播范圍向量，a、b分別為橫縱坐標(biāo)的傳播范圍， 設(shè)3 = 1/2丄=!1/2，1、!1分別為二維平面區(qū)域矩形的寬、高。w取[_1，1]內(nèi)的隨機數(shù)。若 粒子的位置狀態(tài)漂移到平面矩形區(qū)域外，則不進(jìn)行方差率計算，重新對該粒子狀態(tài)轉(zhuǎn)移直 至漂移到矩形區(qū)域內(nèi)為止。
權(quán)利要求
1.一種搜索運動前景感興趣區(qū)域的方法，其特征在于，所述方法包括將檢索到的目標(biāo)感興趣區(qū)域的形狀參數(shù)映射到二維坐標(biāo)平面；用粒子濾波技術(shù)在二維坐標(biāo)平面上實現(xiàn)方差率極大值搜索找出目標(biāo)感興趣區(qū)域。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將檢索到的目標(biāo)感興趣區(qū)域的形狀 參數(shù)映射到二維坐標(biāo)平面的實現(xiàn)方法為選定目標(biāo)感興趣區(qū)域的窗口參數(shù)，按照窗口參數(shù)設(shè)定范圍確定二維平面區(qū)域范圍；初始化粒子樣本狀態(tài)，進(jìn)行粒子重采樣和粒子狀態(tài)轉(zhuǎn)移。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述用粒子濾波技術(shù)在二維坐標(biāo)平面上 實現(xiàn)方差率極大值搜索找出目標(biāo)感興趣區(qū)域的實現(xiàn)方法為在色調(diào)通道中計算每個粒子對應(yīng)窗口區(qū)域的方差率，并以方差率值大小為粒子分配權(quán) 重并按照權(quán)重計算粒子群的最優(yōu)估計位置；按照粒子權(quán)重大小重新進(jìn)行粒子重采樣和粒子狀態(tài)轉(zhuǎn)移，計算粒子群的最優(yōu)估計位 置，直至粒子群最優(yōu)估計位置達(dá)到穩(wěn)定狀態(tài)，確定最后的粒子群最優(yōu)估計收斂位置；根據(jù)運動陰影與運動目標(biāo)的位置特點，按照四種陰影分布情況計算四組最優(yōu)估計收斂 值，選取最好的最優(yōu)估計收斂值輸出。
4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述窗口參數(shù)或者用窗寬和窗高來確定 二維平面區(qū)域或者用窗寬與窗高的比例和窗口高來確定或者用窗寬與窗高的比例和窗口 寬來確定或者用對角線的長度和對角線與水平線夾角來確定。
5.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述初始化粒子樣本狀態(tài)是將所有粒子 的初始狀態(tài)向量設(shè)為同一個值，即二維平面區(qū)域的中心位置。
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，在色調(diào)通道中計算每個粒子對應(yīng)窗口區(qū) 域與周圍區(qū)域的方差率大小，按照方差率大的粒子賦予的權(quán)重大，方差率小的賦予的權(quán)重 小的原則進(jìn)行權(quán)重分配；如果一個粒子發(fā)散范圍超出矩形區(qū)域，那么不計算該粒子處的方 差率，該粒子也不參與權(quán)重分配與最優(yōu)估計的計算。
7.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)的判定準(zhǔn) 則是首先將每一次計算的最優(yōu)估計位置與上一次最優(yōu)估計位置的歐幾里德距離輸入一個 長度為η的緩沖隊列，在緩沖隊列填滿后，計算隊列中元素的方差和均值，若均值小于閾值 a,且方差小于閾值b，則認(rèn)為粒子群坐標(biāo)達(dá)到穩(wěn)定狀態(tài)。8、根據(jù)權(quán)利要求3所述的方法，其 特征在于，所述四種陰影分布指的是目標(biāo)感興趣區(qū)域分別位于運動檢測窗口的左上、右上、 左下、右下四個邊界。
全文摘要
本發(fā)明適用于視頻監(jiān)控領(lǐng)域，提供了一種搜索運動前景感興趣區(qū)域的方法，所述方法包括將檢索到的目標(biāo)感興趣區(qū)域的形狀參數(shù)映射到二維坐標(biāo)平面；用粒子濾波技術(shù)在二維坐標(biāo)平面上實現(xiàn)方差率極大值搜索找出目標(biāo)感興趣區(qū)域。本發(fā)明提供的基于方差率的感興趣區(qū)域搜索，可以實時的、準(zhǔn)確的找出目標(biāo)感興趣區(qū)域，為之后初始模板的建立打下良好基礎(chǔ)，相比傳統(tǒng)的去陰影檢測算法，不僅能準(zhǔn)確的抑制陰影，而且更能準(zhǔn)確的提取非剛性目標(biāo)感興趣區(qū)域，解決了即使不存在陰影情況下，由于背景更新速度過快導(dǎo)致的“背景滯留問題”。
文檔編號G06T7/20GK102043949SQ201010609590
公開日2011年5月4日 申請日期2010年12月28日 優(yōu)先權(quán)日2010年12月28日
發(fā)明者于坤 申請人:天津市亞安科技電子有限公司