基于顯著性檢測(cè)的水面目標(biāo)跟蹤方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及，具體地，涉及基于顯著性檢測(cè)的水面目標(biāo)跟蹤方法，尤其是一種應(yīng)用 于水上圖像捕捉和視頻數(shù)據(jù)分析的視頻目標(biāo)跟蹤方法。
【背景技術(shù)】
[0002] 視頻跟蹤算法是以圖像序列為輸入，圖像中目標(biāo)的大小位置等屬性為輸出。理想 情況下，輸出的目標(biāo)屬性是準(zhǔn)確和實(shí)時(shí)的，然而，在現(xiàn)實(shí)世界中，由于背景千變?nèi)f化，還有各 種干擾的存在，往往很難達(dá)到理想狀態(tài)，因此找到一種適應(yīng)于當(dāng)前環(huán)境的，對(duì)光照和背景變 化有一定自適應(yīng)性的實(shí)時(shí)性算法是目標(biāo)跟蹤的關(guān)鍵。
[0003] 目前常用的算法有如下幾種：
[0004] Meanshift算法，是一種利用顏色信息進(jìn)行匹配固定大小區(qū)域的圖像的方法，能夠 不依靠先驗(yàn)知識(shí)的情況下根據(jù)樣本點(diǎn)計(jì)算出概率密度函數(shù)值，計(jì)算出目標(biāo)區(qū)域和候選區(qū)域 的相似度，計(jì)算出meanshift向量，不斷進(jìn)行候選區(qū)域的移動(dòng)和迭代計(jì)算，直到尋找到目標(biāo) 或者達(dá)到迭代的次數(shù)限制。
[0005] 背景差分法：是利用當(dāng)前圖像與背景圖像的差分來識(shí)別運(yùn)動(dòng)目標(biāo)的方法，其背景 模型的獲取和更新是該方法的關(guān)鍵技術(shù)。一種簡(jiǎn)單的獲取背景圖像的方法是當(dāng)場(chǎng)景中無任 何目標(biāo)出現(xiàn)時(shí)捕獲背景圖像，這種人工的非自適應(yīng)性方法獲取的背景圖像僅僅適用于短時(shí) 間的視頻監(jiān)控。目前大多數(shù)算法已經(jīng)放棄這種非自適應(yīng)性的背景圖像估計(jì)方法。當(dāng)場(chǎng)景環(huán) 境不是很復(fù)雜時(shí)，可以使用統(tǒng)計(jì)濾波完成場(chǎng)景中背景圖像的估計(jì)，大多數(shù)情況下都可以得 到正確的背景估計(jì)圖像，但是當(dāng)場(chǎng)景中有部分物體做無規(guī)則運(yùn)動(dòng)時(shí)，會(huì)引起場(chǎng)景中像素值 的不斷變化，從而引起估計(jì)誤差。基于高斯統(tǒng)計(jì)模型的背景估計(jì)方法在有部分區(qū)域不斷變 化的場(chǎng)景中也能夠比較準(zhǔn)確的估計(jì)出背景模型，但是它的計(jì)算比較復(fù)雜，且無法滿足實(shí)時(shí) 性要求。
[0006] 基于分類式的跟蹤方法是將目標(biāo)跟蹤問題轉(zhuǎn)換為一個(gè)連續(xù)目標(biāo)檢測(cè)問題，目標(biāo)檢 測(cè)是通過分類器對(duì)不同圖像區(qū)域進(jìn)行分類為目標(biāo)或者背景來實(shí)現(xiàn)。
[0007] 水面上的視覺感知有其特殊的技術(shù)難點(diǎn)，水面上受光照影響比較大，同一天的不 同時(shí)間，太陽光照的方向不一樣，導(dǎo)致水面上的反光強(qiáng)度和方向都有所不同，而且不同天氣 對(duì)水面上光強(qiáng)的影響也是比較大，這要求視覺信息處理算法有較高的自適應(yīng)性。在進(jìn)行目 標(biāo)探測(cè)過程中，目標(biāo)距離較遠(yuǎn)時(shí)，與背景區(qū)分度不足夠大，所以需要進(jìn)行圖像的加強(qiáng)和濾波 從而提取目標(biāo)信息。

【發(fā)明內(nèi)容】

[0008] 針對(duì)現(xiàn)有技術(shù)中的缺陷以及水面特點(diǎn)，本發(fā)明的目的是提供一種基于顯著性檢測(cè) 的水面目標(biāo)跟蹤方法，對(duì)于光照有著自適應(yīng)性，且能夠滿足實(shí)時(shí)性要求。
[0009] 本發(fā)明首先利用水岸線檢測(cè)得到水岸線的具體位置，從而能夠提供物理環(huán)境信 息，進(jìn)而為目標(biāo)的檢測(cè)提供位置驗(yàn)證信息和ROI(regionofinterest，感興趣區(qū)域）。利用 稀疏字典對(duì)圖像進(jìn)行壓縮感知，之后利用增量編碼長(zhǎng)度對(duì)于圖像的稀有性進(jìn)行衡量從而得 到顯著圖特征。
[0010] 根據(jù)本發(fā)明提供的一種基于顯著性檢測(cè)的水面目標(biāo)跟蹤方法，包括水岸線檢測(cè)步 驟；
[0011] 所述水岸線檢測(cè)步驟，包括如下步驟：
[0012] 步驟A1 :對(duì)圖像進(jìn)行降采樣，得到降采樣圖像；
[0013] 步驟A2:將經(jīng)降采樣得到的圖像的顏色空間RGB空間轉(zhuǎn)換到HSV空間；設(shè)定色調(diào) 閾值T_h、飽和度閾值T_s、亮度閾值T_v;
[0014] 將圖像中色調(diào)分量h小于色調(diào)閾值T_h或者飽和度分量s小于飽和度閾值T_s的 區(qū)域，判定為待區(qū)分水面或天空區(qū)域；
[0015] 若所述待區(qū)分水面或天空區(qū)域的亮度分量V小于亮度閾值T_v，則將所述待區(qū)分 水面或天空區(qū)域判定為水岸線區(qū)域，否則將所述待區(qū)分水面或天空區(qū)域判定為天空區(qū)域；
[0016] 步驟A3:對(duì)水岸線區(qū)域圖像進(jìn)行邊緣檢測(cè)；
[0017] 步驟Α4 :對(duì)檢測(cè)到的邊緣進(jìn)行霍夫變換得到水岸線。
[0018] 優(yōu)選地，還包括顯著性檢測(cè)步驟；
[0019] 所述顯著性檢測(cè)步驟，包括如下步驟：
[0020] 步驟Β1 :根據(jù)水岸線得到顯著性區(qū)域檢測(cè)的感興趣區(qū)R0I;
[0021] 步驟Β2 :獲取增量編碼長(zhǎng)度，計(jì)算公式如下：
[0022] ICMP;) =-HW-Pi-logPi-PilogPi
[0023] 其中，ICL(Pl)表示關(guān)于？1的增量編碼長(zhǎng)度；pi表示概率密度函數(shù)p的第i行，i 的取值范圍為[1，η];概率密度函數(shù)p定義為：p=IPi,p2,…，pnIτ;
[0025]其中，Η(ρ)為信息熵，η表示概率密度函數(shù)ρ的行數(shù)；
[0027] 其中，k為正整數(shù)，取值范圍是[1，192];WieW，i的取值范圍為[0, 192] ;W為濾 波函數(shù)，W=A\A為感興趣區(qū)R0I的稀疏基，W= [w^/··，w192]T;
[0028] Xkeχ，χ表示采樣矩陣，χ= [?，，*"，武~];采樣矩陣父是感興趣區(qū)1?01經(jīng)過 向量化的圖像矩陣；
[0029]步驟B3:獲取顯著區(qū)域向量圖M，計(jì)算公式如下：
[0030]M= [nij,m2, ···,mj
[0032] 其中，mk表示顯著區(qū)域向量圖M的第k列，k的取值范圍為[1，n]，n為顯著區(qū)域向 量圖Μ的列數(shù)；S表示顯著特征，S的全集是{1，2,…，n}，S={i|ICUpjX)};
[0034] 其中，Pj表示概率密度函數(shù)p的第j列，j的取值范圍為[1，n] ;ICL(pJ表示關(guān)于 Pj的增量編碼長(zhǎng)度；
[0035] 步驟Μ:將顯著區(qū)域向量圖Μ轉(zhuǎn)換得到二維的圖像矩陣M'作為顯著矩陣檢測(cè)圖。
[0036] 優(yōu)選地，還包括目標(biāo)提取步驟；
[0037] 所述目標(biāo)提取步驟，包括如下步驟：
[0038] 步驟C1 :對(duì)于當(dāng)前幀，假設(shè)上一幀目標(biāo)位置為Ρη-1，當(dāng)前顯著矩陣檢測(cè)圖Μ'中總 共有k個(gè)高亮區(qū)域，將第i個(gè)聯(lián)通高亮區(qū)域標(biāo)記為Wi，得到Wi中心點(diǎn)的位置坐標(biāo)Pi，并得 到Wi中像素的最大灰度值PIXi以及擁有最大灰度值PIXi的像素的位置信息Mi;其中，i= 1，2,…，k;
[0039] 步驟C2 :針對(duì)每個(gè)聯(lián)通尚殼區(qū)域Wi進(jìn)彳丁過濾，以過濾掉無效的尚殼區(qū)域；設(shè)置 如下過濾條件：
[0040]-定義最小像素個(gè)數(shù)N_，如果Wi的像素個(gè)數(shù)隊(duì)小于N_，則將Wi進(jìn)行過濾；
[0041] -定義最小灰度值PIXmin，如果Wi的最大灰度值PIXi小于PIX_，則將Wi過濾；
[0042]-對(duì)Wi進(jìn)行多邊形近似，如果近似結(jié)果是一個(gè)凹多邊形，那么將Wi過濾；
[0043] 步驟C3:通過步驟C2過濾掉無效的高亮區(qū)域之后，將未過濾掉的各個(gè)Wi的中心 點(diǎn)的位置坐標(biāo)Pi和上一幀目標(biāo)位置的距離〇1進(jìn)行計(jì)算：
[0045] 其中，xni表示上一幀目標(biāo)位置的橫坐標(biāo)，yni表示上一幀目標(biāo)位置的縱坐標(biāo)，Xi表 示W(wǎng)i的中心點(diǎn)位置的橫坐標(biāo)，y;表示W(wǎng)i的中心點(diǎn)位置的縱坐標(biāo)；
[0046] 選取各個(gè)Di中的最小距離Dmin;
[0047] 如果最小距離Dmin小于設(shè)定的最大距離閾值DT，則將當(dāng)前擁有最小距離Dmin的 聯(lián)通高亮區(qū)域Wi認(rèn)定為目標(biāo)區(qū)域；
[0048] 如果最小距離Dmin大于等于設(shè)定的最大距離閾值DT，則認(rèn)為當(dāng)前幀目標(biāo)丟失，當(dāng) 前目標(biāo)位置采用上一幀目標(biāo)位置Pn-1。
[0049] 優(yōu)選地，色調(diào)閾值T_h= 50,飽和度閾值T_s= 30,亮度閾值T_v= 180。
[0050] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0051] 本發(fā)明在充分考慮水面圖像特點(diǎn)的情況下，結(jié)合水岸線檢測(cè)和顯著性檢測(cè)，應(yīng)用 到水面目標(biāo)的跟蹤。首先對(duì)原圖像進(jìn)行一個(gè)預(yù)處理和顏色空間轉(zhuǎn)換，減小光照的影響，利用 邊緣檢測(cè)算法和直線檢測(cè)算法可以進(jìn)行水岸線的提取，之后利用水岸線位置確定R0I，繼續(xù) 進(jìn)行下一步的水面目標(biāo)跟蹤的工作。水面目標(biāo)跟蹤是利用增