一種改進(jìn)的模板更新策略

一種改進(jìn)的模板更新策略

0基于kalman濾波器的目標(biāo)跟蹤目標(biāo)圖像的匹配跟蹤是一個(gè)相對(duì)復(fù)雜的問題。假設(shè)目標(biāo)圖像的噪聲之間存在較大的相關(guān)性。因此，可以通過目標(biāo)區(qū)域的圖像模型和場(chǎng)景圖像區(qū)域的相似性測(cè)量來確定最合適的目標(biāo)區(qū)域。實(shí)際應(yīng)用中由于目標(biāo)姿態(tài)、環(huán)境照度的變化,或者發(fā)生遮擋,都可能導(dǎo)致錯(cuò)誤跟蹤,此時(shí),更新模板將導(dǎo)致跟蹤失敗。理想的基于模板匹配的跟蹤算法需解決兩個(gè)問題:(1)能夠合理地更新模板,以適應(yīng)目標(biāo)形態(tài)的變化;(2)能夠檢測(cè)到目標(biāo)被遮擋以及當(dāng)遮擋發(fā)生時(shí),制定合適的模板修正策略繼續(xù)跟蹤,并且在退出遮擋時(shí)重新捕獲目標(biāo)。在匹配跟蹤算法中,模板是目標(biāo)圖像形態(tài)的一個(gè)記憶,是維持連續(xù)跟蹤的紐帶。由于跟蹤過程中,目標(biāo)圖像的變化是必然的,模板更新和修正也是必須的,更新和修正的方法是圖像匹配跟蹤的關(guān)鍵。模板修正方法通常有三種,第一種方法是以目標(biāo)第一次出現(xiàn)時(shí)的圖像形態(tài)作為模板,并且在以后的跟蹤過程中保持不變。這種方法記住的是目標(biāo)的初始形態(tài),不能適應(yīng)環(huán)境照度和目標(biāo)形態(tài)的變化,在長(zhǎng)時(shí)間跟蹤過程中不穩(wěn)定。第二種方法是以當(dāng)前最佳匹配子區(qū)圖像作為模板,而拋棄目標(biāo)以往的所有信息,這樣會(huì)因?yàn)檎趽醯陌l(fā)生或是匹配誤差的累積,造成跟蹤的漂移甚至失敗。第三種方法是利用目標(biāo)以往的所有形態(tài)來構(gòu)造當(dāng)前模板,一般使用權(quán)值綜合上一幀模板和當(dāng)前最佳匹配子區(qū)圖像來修正模板。這種方法是前面兩種方法的折衷,但由于沒有檢測(cè)跟蹤過程中出現(xiàn)的目標(biāo)圖像變化,會(huì)將干擾因素引入到模板圖像中去,降低了跟蹤的精度和可靠性。如何尋找更好的模板更新方法是圖像匹配跟蹤必須解決的關(guān)鍵技術(shù)之一。與圖像跟蹤相關(guān)的文獻(xiàn)中,有許多介紹Kalman濾波器在目標(biāo)跟蹤系統(tǒng)中的應(yīng)用,通常都是利用Kalman濾波器對(duì)目標(biāo)圖像跟蹤位置的測(cè)量值等信息進(jìn)行處理,得到一個(gè)更精確的位置和速度輸出結(jié)果,它們僅僅用于對(duì)目標(biāo)軌跡的平滑。將Kalman濾波器應(yīng)用在對(duì)圖像模板的更新上,是該濾波器的一個(gè)新的應(yīng)用方向。該方法對(duì)遮擋魯棒,同時(shí)能夠適應(yīng)目標(biāo)姿態(tài)和光照的變化。1基于kalman濾波器模型更新方法1.1u3000kalman濾波器以往的模板更新方法,均是將模板圖像看作一個(gè)整體,即無論對(duì)模板圖像進(jìn)行什么操作,該操作都同等程度作用于模板中的每一個(gè)像素。但是在目標(biāo)跟蹤過程中,模板圖像中部分像素的變化是比較緩慢而且有規(guī)律的,而部分像素是突變的,比如噪聲或者光照的變化、遮擋的發(fā)生等。在這些情況下,如果依然將模板圖像作為整體一視同仁地修正,勢(shì)必會(huì)出現(xiàn)錯(cuò)誤。使用Kalman濾波器進(jìn)行模板更新,最大的特點(diǎn)是將模板圖像中的每一個(gè)像素作為獨(dú)立的個(gè)體進(jìn)行修正,每個(gè)像素依據(jù)自身的性質(zhì)進(jìn)行修正的幅度都不一樣,如此得到的自適應(yīng)和最優(yōu)的模板圖像,最終能夠在序列圖像中準(zhǔn)確匹配目標(biāo)。用I(x,t)表示圖像區(qū)域像素點(diǎn)x在t時(shí)刻的灰度值,用g(p,t)表示模板內(nèi)像素點(diǎn)p在t時(shí)刻的灰度值,實(shí)際使用的是該像素點(diǎn)灰度的估計(jì)值?gg?(p,t),而在進(jìn)行模板匹配得到I(x,t)時(shí)使用的是?g(p,t′)?t′=t-1g?(p,t′)?t′=t?1。假設(shè)不同像素點(diǎn)p的灰度值g(p,t)之間是彼此獨(dú)立的,使用一個(gè)獨(dú)立的濾波器跟蹤每一個(gè)像素點(diǎn)的灰度。用下面的方式描述濾波器使用的預(yù)測(cè)值和測(cè)量值:預(yù)測(cè)值g(p,t)=g(p,t-1)+εw(p,t-1)(1)測(cè)量值I(x,t)=g(p,t)+εI(p,t)(2)式中εw(p,t-1)表示系統(tǒng)噪聲,該噪聲隨著環(huán)境照度和目標(biāo)姿態(tài)的變化而變化。通常假設(shè)εw(p,t-1)是高斯噪聲,而且對(duì)于模板中的每一個(gè)像素點(diǎn)p有相同的方差σ2w。εI(p,t)表示圖像信號(hào)的噪聲,稱為測(cè)量噪聲;同樣假設(shè)εI(p,t)為標(biāo)準(zhǔn)高斯噪聲,對(duì)于每個(gè)像素點(diǎn)具有相同的σ2Ι2I。下面從公式(1)、公式(2)推導(dǎo)Kalman濾波器進(jìn)行模板更新的方程。?gg?(p,t′)表示g(p,t)在時(shí)刻t的預(yù)測(cè)值,?gg?(p,t)表示濾波后g(p,t)的估計(jì)值。?σσ?2g(t′)、?σσ?2g2g(t)分別表示?gg?(p,t′)和?gg?(p,t)的方差,它們之間存在下面的對(duì)應(yīng)關(guān)系:?g(p,t′)=?g(p,t-1)(3)[ΗS1*3]?σ2g(t′)=?σ2g(t-1)+σ2w(4)g?(p,t′)=g?(p,t?1)(3)[HS1*3]σ?2g(t′)=σ?2g(t?1)+σ2w(4)用r(p,t)表示每個(gè)像素點(diǎn)的預(yù)測(cè)值和測(cè)量值之間的差:r(p,t)=Ι(x,t)-?g(p,t′)(5)r(p,t)=I(x,t)?g?(p,t′)(5)模板中每個(gè)像素點(diǎn)的灰度值按下面的公式進(jìn)行更新:?g(p,t)=?g(p,t′)+?σ2g(t′)?σ2g(t′)+σ2Ιr(p,t)?σ2g(t)=?σ2g(t′)σ2Ι?σ2g(t′)+σ2Ι(6)g?(p,t)=g?(p,t′)+σ?2g(t′)σ?2g(t′)+σ2Ir(p,t)σ?2g(t)=σ?2g(t′)σ2Iσ?2g(t′)+σ2I(6)1.2局外點(diǎn)的判斷當(dāng)公式(1)和公式(2)中的噪聲為高斯噪聲時(shí),公式(6)將產(chǎn)生g(p,t)的最優(yōu)估計(jì)。但是實(shí)際情況是,當(dāng)遮擋或者使用的運(yùn)動(dòng)模型較簡(jiǎn)單時(shí),公式(2)中的測(cè)量誤差將會(huì)導(dǎo)致噪聲模型和標(biāo)準(zhǔn)高斯模型之間有很大偏差。為了使Kalman濾波器依然能夠得到最優(yōu)的更新模板,應(yīng)該剔除這些噪聲點(diǎn)或是被遮擋點(diǎn)的影響,這些點(diǎn)通稱為局外點(diǎn)。判斷是否為局外點(diǎn),需要下面這個(gè)重要參數(shù)ˉrrˉ。ˉrrˉ表示r(p,t)的標(biāo)準(zhǔn)偏差的估計(jì)。用R表示模板區(qū)域,R′表示R中不含局外點(diǎn)的部分,N′表示R′中的像素點(diǎn)個(gè)數(shù)。取連續(xù)K幀的r2(t)平均得到:ˉr2=1kt∑i=t-Κ+1r2(t)(7)rˉ2=1k∑i=t?K+1tr2(t)(7)式中r2(t)=1Ν′∑p∈R′r2(p,t)r2(t)=1N′∑p∈R′r2(p,t)。當(dāng)某個(gè)像素點(diǎn)灰度的預(yù)測(cè)值與測(cè)量值的差r(p,t)大于ˉrrˉ的一定倍數(shù)時(shí),認(rèn)為它是局外點(diǎn),對(duì)該點(diǎn)的灰度值g(p,t)不進(jìn)行更新。同時(shí)為了避免某些點(diǎn)長(zhǎng)時(shí)間不更新,對(duì)每個(gè)像素點(diǎn)引入一個(gè)計(jì)數(shù)器n(p),表示該像素點(diǎn)連續(xù)被認(rèn)為是局外點(diǎn)的次數(shù),當(dāng)n(p)超過上限nmax時(shí),就強(qiáng)制進(jìn)行更新,即將I(x,t)的值賦于g(p,t)。這樣,該改進(jìn)的Kalman濾波器模板更新方法對(duì)部分遮擋魯棒。1.3環(huán)境參數(shù)估計(jì)的影響在Kalman濾波器的參數(shù)中,系統(tǒng)噪聲σ2w和測(cè)量噪聲σ2Ι2I是最關(guān)鍵的兩個(gè)。實(shí)際應(yīng)用中,它們既不穩(wěn)定也很難獲取。但是如果知道其中一個(gè),通過比較ˉrrˉ2和r(p,t),就可以求出另一個(gè),而且通過調(diào)整一個(gè)參數(shù)通常已經(jīng)能夠滿足由環(huán)境照度和目標(biāo)姿態(tài)變化所帶來的影響。先設(shè)定σ2Ι2I、σ2w2w和σ2g2g的初始值:σ2Ι=0.5r2(1)σ2w(0)=0σ2g(0)=0.5r2(1)(8)σ2I=0.5r2(1)σ2w(0)=0σ2g(0)=0.5r2(1)(8)假設(shè)σ2Ι2I已知,由公式(5)得到:ˉr2=σ2Ι+?σ2g(t′)(9)rˉ2=σ2I+σ?2g(t′)(9)將公式(4)代入上式,得:ˉr2=σ2Ι+?σ2g(t-1)+σ2w(10)rˉ2=σ2I+σ?2g(t?1)+σ2w(10)顯而易見,有:σ2w=ˉr2-σ2Ι-σ2g(t-1)(11)σ2w=rˉ2?σ2I?σ2g(t?1)(11)通過公式(8)和公式(11),就可以自動(dòng)設(shè)定在Kalman濾波器中使用的噪聲參數(shù)了。2目標(biāo)跟蹤及跟蹤模板更新是為了使匹配更加準(zhǔn)確以達(dá)到更精確的跟蹤效果。匹配誤差評(píng)價(jià)函數(shù)對(duì)匹配精度起決定性的作用。傳統(tǒng)的誤差評(píng)價(jià)方式,比如均方差評(píng)價(jià)函數(shù)、絕對(duì)差累加和等都很容易受到極個(gè)別大誤差點(diǎn)的影響,而不能有效考慮整體情況;為了降低個(gè)別大誤差點(diǎn)的影響,必須考慮在映射函數(shù)上進(jìn)行抑制。本文使用Huber′s函數(shù):ρ(e)={e2/2如果|e|＜cc(|e|-c/2)其他(12)ρ(e)={e2/2如果|e|＜cc(|e|?c/2)其他(12)式中e=Ι(x,t)-?g(p,t′)ˉre=I(x,t)?g?(p,t′)rˉ;c=1.345。根據(jù)局外點(diǎn)在整個(gè)模板像素中所占據(jù)的比例fr來判斷是否發(fā)生遮擋,以及發(fā)生了多大范圍的遮擋,以決定此時(shí)的跟蹤策略:fr=Ν-Ν′Ν(13)考慮如下三種情況:(1)當(dāng)fr<γ1,通常開始跟蹤目標(biāo)時(shí),目標(biāo)圖像比較清晰,沒有遮擋,屬于正常跟蹤狀態(tài)。這時(shí)使用Kalman濾波器更新模板,用模板匹配的方法尋找最佳匹配位置,跟蹤目標(biāo)。(2)當(dāng)γ1≤fr<γ2,一旦fr≥γ1,認(rèn)為開始發(fā)生遮擋,但此時(shí)還處于局部遮擋狀態(tài),依然可以使用對(duì)部分遮擋魯棒的模板匹配方法跟蹤目標(biāo),只是不再進(jìn)行模板更新;隨著遮擋逐漸加強(qiáng),fr的值也越來越大。(3)當(dāng)fr≥γ2,認(rèn)為發(fā)生了大面積甚至是全部遮擋,這時(shí)已經(jīng)無法再進(jìn)行模板匹配,采用軌跡外推的方法估計(jì)目標(biāo)可能出現(xiàn)的位置,并且在該位置時(shí)搜索目標(biāo),監(jiān)測(cè)fr的值;當(dāng)遮擋逐漸減弱,fr逐漸變小,低于門限γ2時(shí),認(rèn)為目標(biāo)再次出現(xiàn)了,此時(shí)又轉(zhuǎn)到局部遮擋的跟蹤情況,最后遮擋完全消失,恢復(fù)模板更新,進(jìn)入正常跟蹤狀態(tài)。根據(jù)實(shí)際應(yīng)用場(chǎng)景,γ1、γ2的取值要作適當(dāng)?shù)恼{(diào)整;而且對(duì)于不同大小的目標(biāo)模板,也需要不同的γ1、γ2值。將其設(shè)置為自適應(yīng)的,使其隨模板大小的變化而變化。3改進(jìn)的匹配跟蹤算法基于Kalman濾波