一种基于特征融合的点特征目标跟踪算法
万方数据
万方数据
?５３８?电子测量与仪器学报第２４卷
图１Ｈａｒｒｉｓ算法提取的特征点
Ｆｉｇ．１Ｆｅａｔｕｒｅｐｏｉｎｔｓｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｖｉｄｅｏｉｍａｇｅ
ｕｓｉｎｇＨａｒｒｉｓａｌｇｏｒｉｔｈｍ
图２优化后的特征点
Ｆｉｇ．２Ｏｐｔｉｍｉｚｅｄｆｅａｔｕｒｅｐｏｉｎｔｓ
３目标模型建立
用于视频目标跟踪领域的目标表示模型按特征类型可以大致分为３类：颜色表示模型，形状统计模型及其他表示模型。这些模型都是利用目标的不同特征描述目标，但没有任何一种特征线索能单独适应于所有视觉场合，反映目标特征的线索之间是相关的、互补的，利用多种特征信息跟踪目标，可以实现各特征间信息的互补，大大提高跟踪的鲁棒性。因此应用信息融合的思想，综合目标的颜色和纹理信息建立目标表示模型。
３．１目标的颜色表示模型
颜色表示模型不受像素空间位置改变的影响，在特定场合为跟踪提供了稳定的目标表示方法。常用的颜色模型有ＲＧＢ模型、ＣＭＹ模型、ＹＩＱ模型、ＨＳＶ模型和ＨＳＩ模型等。在实际的彩色特征提取与匹配过程中往往需要所使用的彩色模型具有一定的彩色不变性，也就是对照明的变化具有一定的鲁棒性，以上这些模型在工业中得到了广泛地应用，但是它们并不完全具有彩色不变性。在不同光照条件下，色彩主要与物体本身介质和物体表面的光洁度有关，Ｇｅｖｅｒｓ等提出了多种具有彩色不变特ｆ『Ｆ的彩色模型，其中比较典型的模型包括ＲＧＢ模型、ｃｌｃ２Ｃ３模型、，ｌ，２／３模型和ｍｌｍ２ｍ３模型【７】ｏ＾，２／３模型通过求ＲＧＢ３个分量之间的差值来消除面反射分量。它对反光较强的物体表面来说具有一定的彩色不变性，针对自然光照和运动汽车表面光滑的特点，选择＾／２／３模型。其表达式如下：
，ｌ＝（Ｒ—Ｇ）２／［（尺一回２＋（Ｒ—Ｂ）２＋（ＧＬ曰）２】（５）
／２＝（尺一曰）‘／［（Ｒ一６３‘＋（Ｒ—Ｂ）２＋（ＧＬ口）２】（６）
／３＝（ＧＬＢ）２／［（Ｒ－６３２＋（Ｒ—Ｂ）。＋（（；一日）‘】（７）３．２基于颜色和纹理信息的目标模型
对于每个特征点∞蝴建立特征向量：
Ｆ（鼍，咒）＝ｌ弓，＾（ｘｉ，乃），１２（ｘｊ｝，咒），／３（而，所）Ｊ（８）式中：∞蝴为第ｆ个特征点的坐标，最为兴趣值，＾，／２，／３为该特征点的颜色信息，则由目标所有特征向量组成特征点的目标模型。在目标描述中充分利用图像纹理信息和彩色信息，弥补了基于灰度图像的匹配跟踪中对颜色不同车辆识别上存在的缺陷，增强了对彩色物体的区分能力。
４特征点的匹配定位及模板更新４．１基于ｍａｈａｌａｎｏｂｉｓ距离的匹配准则
匹配过程中在参与匹配的图像中提取出所选择的特征后利用相似性测度来度量所提取特征的相似性，从而寻找到最优的匹配参数。因此，相似性测度度量了２个特征之间的相关程度，对相似性测度函数的选择可以消除或者减弱图像畸变对匹配效果的影响。
典型的相似性测度包括【ｌ孓Ⅷ：互相关函数、ＳＡＤ（ｓｕｍｏｆａｂｓｏｌｕｔｅｄｉｆｆｅｒｅｎｃｅ）、相位相关等。基于特征的度量一般是建立在各种距离函数上的，例如马氏距离、街区距离、Ｈａｕｓｄｏｒｆｆ距离等，然后通过这些距离构造与具体特征相结合的相似性测度。例如点集距离、图的距离等【ｌ５１。
Ｍａｈａｌａｎｏｂｉｓ距离（也称为马氏距离）是由印度统计学家马哈拉诺比斯（Ｐ．Ｃ．Ｍａｈａｌａｎｏｂｉｓ）提出的，表示数据的协方差距离。它是一种有效的计算两个未知样本集的相似度的方法，与欧式距离不同的是它考虑到各种特性之间的联系并且是尺度无关的，即独立于测量尺度。对于一个均值为胪＠ｌ，肫，肋，…，砧，协方差矩阵为三的多变量向量妒Ｇｌ，ｘ２，Ｘ３，…，砧，其马氏距离为
ｒ——————＝————：＿—————一
Ｄｋ（ｘ）＝４Ｃｘ－ｕ）１三一１（ｘ－／比）
（９）万方数据
第６期一种基于特征融合的点特征目标跟踪算法?５３９?
式中：令萨鳅；，瑚，为当前帧目标第ｆ个候选特征点
的特征向量；，ｌｌ＝Ｆ（ｘ．ｉ，砧，为目标模板中第＿，个特征点的特征向量；励ｘ与∥的协方差矩阵，可看作加权矩
阵，令厶Ｖ＇＝ｄｉａｇ（ｒ１，ｒ２，ｒ３，心），，．１，ｒ２，，３，ｒ４为各特征分量的加权系数，其取值可视具体情况设定。ＤＭ值越小，候选特征点与模板特征点越相似，若Ｄ∥Ｄ也，则匹配成功，Ｄｔ｝ｌ为设定度量函数的阈值。
针对本文所构建的特征点目标模型的特点以及
在实际应用中需要根据不同应用场合和不同目标，
调整目标特征点模型中不同特征分量的比重，马氏距离更符合本文设计思想。
４．２目标定位及模板更新策略
首先，建立汽车的运动模型、状态方程和观测方
程，根据状态方程和观测方程，建立自适应Ｋａｌｍａｎ
滤波算法。汽车运动模型和ＡＫＦ算法参见文献［１２】。然后，根据滤波算法预测目标在下一帧中的形心坐标及区域，在此区域提取当前帧目标特征点，得到候选特征点的特征向量及特征集合。根据４．１中的匹配准则，将目标模板的特征点与当前图像中的候选特征点逐一进行匹配，并计算图像匹配率ｇ，匹配率是指匹配成功的特征点数量与目标模板中特征点数量的比值。
设ｃｏｌｏｒ－ｍ为目标模板特征点颜色均值，ｃｏｌｏｒ－ｈ
为预测目标区域候选特征点颜色均值，ｃｏｌｏｒ－ｔ为常
数。若匹配率口较小，可能是由于目标被遮挡或目标转弯变形使得部分特征点丢失，导致匹配率降低，两种情况可通过ｃｏｌｏｒ－ｍ和ｃｏｌｏｒ－ｈ的差值区分。若色差值较大，则说明目标是被遮挡，部分特征点是遮挡物上提取的，因而和目标模板颜色差值较大；若颜色差值较小，则特征点丢失的原因是目标转弯变形所致。模板更新策略如下：
１）若０＜ｑ＜５０％且ｃｏｌｏｒ－ｍ－－ｃｏｌｏｒ－ｈ＞ｃｏｌｏｒ－ｔ，说明目标部分遮挡，根据正确匹配的特征点确定目标位置。
２）若０＜ｑ＜５０％且ｃｏｌｏｒ－ｍ－ｃｏｌｏｒ－ｈ＜ｃｏｌｏｒ－ｔ，可能是由于目标转弯变形使得部分特征点丢失。导致匹配率降低，则根据正确匹配点确定目标位置同时更新模板，即以当前图像为首帧重新建立目标模板。
３）若ｑ－－０且ｃｏｌｏｒ－ｍ—ｃｏｌｏｒ－ｈ＜ｃｏｌｏｒ－ｔ，与情况２）相同。
４）若ｑ＝Ｏ且ｃｏｌｏｒ－ｍ－ｃｏｌｏｒ－ｈ＞ｃｏｌｏｒ－ｔ，表示目标
全部遮挡，根据预测参数确定目标位置，若连续多
帧ｑ－－－ｏ，则目标丢失，跟踪结束。５仿真结果及分析
仿真实验采用真实的压缩格式视频流，通过格式转换得到３５２×２８８ｂｍｐ格式图像序列。实验环境采用普通配置台式ＰＣ机（ＰｅｎｔｉｕｍＩＶ，１．７０ＧＨｚ，５１２Ｍ内存），仿真软件采用ＭＡＴＬＡＢ７．０。实验中，采用本算法跟踪图３所示视频场景中的小汽车，经过优化选择的目标特征点只有２～８个，而且在跟踪过程中比较稳定，每秒钟可处理１８～２０帧图片，能够达到实时跟踪的目的。图３是对跟踪仿真结果任意截取的８帧不同图像，图中虚线框是滤波估计位置，‘＋’为当前帧提取的特征点，‘Ｏ’为匹配特征点。
图３跟踪仿真效果图
Ｆｉｇ．３Ｔｒａｃｋｉｎｇｓｉｍｕｌａｔｉｏｎｅｆｆｅｃｔ
ｄｉａｇｒａｍ
万方数据
万方数据
万方数据
一种基于特征融合的点特征目标跟踪算法
作者：王进花， 曹洁， 李宇， 任崇玉， Wang Jinhua， Cao Jie， Li Yu， Ren Chongyu
作者单位：兰州理工大学电气工程与信息工程学院,兰州,730050
刊名：
电子测量与仪器学报
英文刊名：JOURNAL OF ELECTRONIC MEASUREMENT AND INSTRUMENT
年，卷(期)：2010,24(6)
被引用次数：1次
参考文献(15条)
1.朱靖;孟晓风多传感器目标跟踪航迹关联技术及应用[期刊论文]-电子测量与仪器学报 2003(02)
2.WANG J H;CAO J Research on moving vehicles track-ing algorithm based on feature points and AKF 2009
3.WELLS G;TORRAS C Assessing image features for vi-sion-based robot positioning[外文期刊] 2001
4.FERRUZ J;OLLERO A Real-time feature matching in image sequences for non-structured environments 2000
5.HU M;REN M A fast practical feature point matching algorithm 2003
6.高健;黄心汉基于彩色的SIFT特征点提取与匹配[期刊论文]-计算机工程与应用 2007(34)
7.HU T;LIU E Q;YANG J Multi-feature based ensemble classification and regression tree (ECART) for target tracking in infrared imagery[外文期刊] 2009
8.郑林;刘泉一种基于特征点的跟踪算法[期刊论文]-武汉理工大学学报 2006(03)
9.TIM K M;JOHN H;RODDEY J C3D tracking of morphable objectsusing conditionally gaussian nonlinear filters 2004
10.KIM S;KWEON I S Automatic model-based 3D object recognition by combining feature matching with track-ing[外文期刊] 2005(05)
11.李强;张钹一种基于图像灰度的快速匹配算法[期刊论文]-软件学报 2006(02)
12.李俊;杨新基于特征点跟踪的运动目标接触时间估计方法研究[期刊论文]-控制理论与应用 2001(01)
13.JAIN A K;CHEN Y Pores and ridges:high-resolution fingerprint match using level3 features[外文期刊] 2007(01)
14.刘荆桥;戴光明角点检测在车辆特征提取中的应用 2008(04)
15.王向军;王研基于特征角点的目标跟踪和快速识别算法研究[期刊论文]-光学学报 2007(02)
引证文献(4条)
1.任少盟.魏振忠.张广军基于扩展Kalman预测模型的双目立体视觉图像特征点跟踪方法[期刊论文]-电子测量技术 2012(1)
2.章为川.程冬.朱磊基于各向异性高斯核的多尺度角点检测[期刊论文]-电子测量与仪器学报 2012(1)
3.彭亚丽.刘芳.焦李成.刘侍刚正投影模型下基于一维子空间的遮挡点恢复方法[期刊论文]-仪器仪表学报
2011(9)
4.曹洁.魏建勇.刘宗礼.王进花基于简化的ISPF算法与视听信息融合的目标跟踪[期刊论文]-仪器仪表学报
2011(1)
本文链接：https://www.wendangku.net/doc/f419200803.html,/Periodical_dzclyyqxb201006005.aspx