多特征融合的在线更新目标跟踪算法_精品文档.pdf

多特征融合的在线更新目标跟踪算法_精品文档.pdf

《多特征融合的在线更新目标跟踪算法_精品文档.pdf》由会员分享，可在线阅读，更多相关《多特征融合的在线更新目标跟踪算法_精品文档.pdf（9页珍藏版）》请在冰豆网上搜索。

第22卷第10期计算机辅助设计与图形学学报V0122No102010年10月JournalofComputerAidedDesign&ComputerGraphicsOct2010多特征融合的在线更新目标跟踪算法孟钢，姜志国，赵丹培，高越（北京航空航天大学宇航学院图像处理中心北京100191）（menggangmark126corn）摘要：

为了适应跟踪过程中目标光照条件的变化，并对目标特征进行在线更新，提出一种将局部二元模式（LBP）特征与图像灰度信息相融合，同时结合增量线性判别分析对目标进行跟踪的算法跟踪开始前，为了获得比较准确的目标描述，使用混合高斯模型和期望最大化算法对目标进行分割；跟踪过程中，通过蒙特卡罗方法对目标区域和背景区域进行采样，并更新特征空间参数得到目标和背景的最优分类面；最后使用粒子滤波器结合最优分类面对目标状态进行预测通过光照变化的仿真视频和自然场景视频的跟踪实验，验证了文中算法的有效性关键词：

跟踪；局部二元模式；增量线性判别分析；蒙特卡罗方法；粒子滤波中图法分类号：

TP3914ANovelTrackingApproachBasedonMulti-featureFusionandFeatureSpaceOnlineUpdatingMengGang，JiangZhiguo，ZhaoDanpei，andGaoYue（ImageProcessingCenter，SchoolofAstronautics，BeihangUniversity，BeOing100191）Abstract：

Inthispaper，weproposeanoveltrackingapproachbycombiningthelocalbinarypattern（LBP）featureswiththegraylevelinformationundertheincrementalFisherlineardiscriminanttoonlineupdatefeaturespaceandtodealwiththeproblemswithilluminationchangesinobjecttrackingAtthebeginningoftracking，togetamoreaccuratedescriptionoftheobject，expectation-maximizationisemployedforthesegmentationThen，MonteCarlomethodisusedtoestimatetheparametersoffeaturespacebasedonsamplingintheregionsofobjectandbackground，andtheoptimalhyperplaneisupdatedAfterthat，particleFilteringisusedtoestimatethestatesoftheobjectExperimentalresultsshowthatourproposedapproachiseffectiveandoutperformsthetraditionaltrackingapproaches，suchasthecolor-basedparticleFilterKeywords：

tracking；localbinarypattern；incrementalFisherlineardiscriminant；MonteCarlomethod；particlefilter目标跟踪是计算机视觉研究的一个热门课题，广泛地应用于视频监控、目标识别、飞行器自主导航等领域，其中物体表观和光照变化是影响跟踪结果的2个主要因素被跟踪物体明显的外观变化往往导致跟踪任务的失败u1，因此外观变化成为了目标跟踪中的一个主要的难点为了解决这一问题，Ross等13和Lin等1对现有的Fisher线性判别分析进行了改进，提出了增量线性判别分析（incrementalFisherlineardiscriminant，IFLD）的概念该方法通过与主成分分析（principalcomponentanalysis，PCA）结合，在目标外观变化时进行目标跟踪，取得了良好的效果收稿日期：

2009-12-02；修回日期：

20100304基金项目：

国家自然科学基金（60802043）孟钢（1982一），男。

博士研究生，主要研究方向为复杂背景下刚体目标检测与跟踪、嵌入式图像处理；羹志国（1965一）男，博士，教授，博士生导师，主要研究方向为运动图像目标检测、跟踪与识别，遥感图像的处理、融合与识别，显微医学，材料图像的分析、识别及三维重建；赵丹培（1977一），女，博士，讲师，硕士生导师，主要研究方向为天基空问目标监视系统中的信息处理技术，复杂背景下运动目标的检测、跟踪-与i,q别技术，基于DSP的实时图像处理系统的应用开发膏越（1987一），男，硕士，主要研究方向为复杂背景下目标检测与跟踪万方数据第10期孟钢，等：

多特征融合的在线更新目标跟踪算法】789然而，由于将背景的每个采样点都看作是个单独的新类别。

，因此非目标的类别将随着跟踪过程而显著增加；同时由于涉及到大量的数学运算，该方法在速度方面略显不足影响跟踪准确性的另一个重要因素是光照，尤其在天基目标检测跟踪中，光照改变是导致检测跟踪失败的主要原因因此，如何在入射光强度和角度发生变化时依然能准确、鲁棒地跟踪目标是目标跟踪中的一个难点很多学者在这一方面进行了深入研究：

Freedman等1提出了一种基于亮度不变的光流场的跟踪方法，但由于光流计算的复杂性，其在实时性方面有着欠缺解决亮度变化的另一个常用方法是利用梯度特征H，但是容易受到噪声的干扰Meng等o提出将颜色不变量引入传统的跟踪算法中，并取得了良好的效果；然而，由于颜色不变量的计算要使用到R，G，B3个通道的信息，使得该方法仅适用于彩色视频中的目标跟踪张笑微等o提出了一种融合结构信息的粒子滤波均值偏移方法，具有较好的鲁棒性和实时性；但其未考虑尺度变化和目标外观改变等问题另一方面，Ojala等口制提出的局部二元模式（10calbinarypattern，LBP）是一种简单、有效的纹理特征提取方法，它作为一种灰度范围内的纹理度量方法，在纹理分类上取得了很大的成功近年来，LBP被作为一种图像特征的描述子广泛应用于人脸识别凹J、人脸检测一叫等图像处理中LBP特征的优势在于计算简单、运算量小，且对亮度变化具有较好的鲁棒性2007年Liao等o提出了MBLBP（multi-scaleblocklocalbinarypattern），进一步提高了LBP方法的鲁棒性在对刚体目标（如飞机、汽车、卫星等）进行跟踪的过程中，光照条件的改变是导致跟踪失败的一个主要原因如果能将LBP的优点与IFI，D相结合，无疑将进一步提高跟踪方法的鲁棒性本文工作正是基于这一思想展开的我们使用LBP特征与图像灰度信息相融合对目标进行描述，利用目标和背景区域的采样粒子，结合IFLD方法进行状态空间在线更新，并使用粒子滤波框架对目标进行跟踪为了叙述的方便，将本文方法称为基于局部二元模式的增量线性判别（10calbinarypatternbasedincrementalFisherlineardiscriminant，LBPIFLD）1LBPLBP特征Es3是近年来提出的一种有效的纹理描述方法，它通过将图像中每个像素与其邻域像素灰度值的大小相比较，并将结果表示为二进制模式来描述图像的纹理LBP特征的突出优点是对目标灰度变化不敏感，且计算简单迅速，其原理可以简述如下如图1所示，像素的局部区域用（P，R）来描述其中，R为中心像素与其相邻像素的距离，它反映了纹理在空间上的分辨率；P为邻域像素的数目通过不同的P和R值可以获得目标在多尺度下的纹理描述，即LBPPR（y。

f1s（z）=【0P-1一s（gpg。

）2P=0z历zth

（1）其中，g。

表示中心点Y。

的灰度值；gp表示以Y。

为中心、半径为R的圆环上第P个等分点的灰度值，对于不在图像像素点上的等分点可以通过插值获得；th是为减少噪声和局部灰度变化影响设置的阈值通过式

（1）可以得到声位二进制代码，以此表示像素对应的LBP特征在得到区域每个像素的LBP特征后，可以通过直方图对区域LBP特征进行描述8本文方法未使用LBP直方图，而是直接利用各像素对应的LBP特征；并借助相关优化方法，使图像中各区域LBP特征的计算可以达到实时2IFLD矿妒t西k毋吨图1LBP特征示意图（P=8，R一1）IFLD1屯1是对现有的Fisher线性判别分析提出的改进方法，其核心思想是通过一组迭代公式对目标特征进行在线更新，以实现稳定跟踪由于涉及到的数据量比较大，该方法采用了PCA等技巧来降低计算量、加速算法的运行IFLD的原理简述如下：

假设x=工1，工：

，工N）表示全部N个训练样本，每个样本为d维向量如果将样本分为P类，则经典的线性判别分析（1ineardisc