柯洪昌+++邵文奇+++梁丞漢

摘 要：根據(jù)目標(biāo)跟蹤中遇到的實(shí)際問題，在深入研究視覺注意理論的基礎(chǔ)上，提出了一種基于視覺注意模型的運(yùn)動(dòng)目標(biāo)檢測(cè)模型，在該模型下提出了一種基于動(dòng)態(tài)顯著性區(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤方法，該方法利用基于動(dòng)態(tài)顯著性特征的運(yùn)動(dòng)目標(biāo)檢測(cè)模型檢測(cè)到目標(biāo)的位置，然后通過自適應(yīng)窗調(diào)整策略，對(duì)MeanShift算法進(jìn)行改進(jìn)，可以有效進(jìn)行目標(biāo)跟蹤，方法能快速準(zhǔn)確的檢測(cè)和跟蹤運(yùn)動(dòng)目標(biāo)。

關(guān)鍵詞：顯著性區(qū)域；目標(biāo)檢測(cè)；目標(biāo)跟蹤

引言

受到背景條件的復(fù)雜性和特殊性等方面的影響，當(dāng)目標(biāo)所處的背景環(huán)境如果較復(fù)雜，就會(huì)導(dǎo)致目標(biāo)在跟蹤過程受到多方面因素的影響，例如特征相似的物體、光照、陰影覆蓋等，從而大大降低相關(guān)目標(biāo)跟蹤算法的準(zhǔn)確性和高效性，并且當(dāng)前的大多數(shù)目標(biāo)跟蹤方法或系統(tǒng)對(duì)環(huán)境的要求較為嚴(yán)格[1]。故而，復(fù)雜背景下的目標(biāo)跟蹤方法目前還面臨許多的技術(shù)難點(diǎn)。例如：光照變化的影響、目標(biāo)型變的影響、遮擋影響、非靜態(tài)背景的影響、同一背景下多個(gè)目標(biāo)的影響等等。這樣就極大的考驗(yàn)?zāi)繕?biāo)跟蹤算法的性能[2]。

視覺注意是利用視覺信息進(jìn)行注意選擇的心理現(xiàn)象，它可以把系統(tǒng)中有限的處理資源優(yōu)先分配給少數(shù)幾個(gè)顯著的視覺區(qū)域。視覺注意顯著性計(jì)算為選擇少數(shù)的幾個(gè)顯著區(qū)域和排除冗余提供了快速的計(jì)算機(jī)制[3]。人的視覺系統(tǒng)具有十分高效的信息處理和分析能力，而且視覺感知的處理過程與觀察任務(wù)的難易程度無關(guān)。因此，把視覺注意應(yīng)用到目標(biāo)跟蹤領(lǐng)域可以建立更符合人類視覺特點(diǎn)且更高效的目標(biāo)跟蹤算法，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤處理具有重要意義[4]。

1 顯著性區(qū)域目標(biāo)檢測(cè)模型

針對(duì)本文待處理的地面復(fù)雜背景下圖像序列中運(yùn)動(dòng)目標(biāo)跟蹤問題，將圖像中目標(biāo)區(qū)域的亮度、顏色、方向以及運(yùn)動(dòng)四種底層特征相融合，前三種特征融合成靜態(tài)顯著圖，然后提取動(dòng)態(tài)顯著性特征，最后融合成全局顯著圖，通過融入動(dòng)態(tài)顯著性特征獲取的視覺注意焦點(diǎn)（運(yùn)動(dòng)目標(biāo)）更高效、準(zhǔn)確，目標(biāo)具有較強(qiáng)的對(duì)比度和明顯的運(yùn)動(dòng)特征，對(duì)靜態(tài)特征可以較好的抑制，同時(shí)突出運(yùn)動(dòng)特征，根據(jù)視覺顯著性特征理論，針對(duì)運(yùn)動(dòng)目標(biāo)的特征，本文提出了一個(gè)視覺顯著性目標(biāo)檢測(cè)模型，原理如下。

對(duì)當(dāng)前幀圖像進(jìn)行靜態(tài)特征提取，首先提取圖像的亮度、顏色、方向信息，通過中央-外圍算子差分，得到多尺度特征，然后融合成靜態(tài)顯著圖；在得到動(dòng)態(tài)顯著圖時(shí)，要對(duì)當(dāng)前幀和前一幀圖像分別濾波提取動(dòng)態(tài)特征，然后對(duì)兩幀圖像的特征圖進(jìn)行多尺度的差分，再融合為動(dòng)態(tài)顯著圖；最終將靜態(tài)顯著圖和動(dòng)態(tài)顯著圖按不同的場(chǎng)景融合在一起形成基本顯著圖。基本顯著圖的生成要根據(jù)輸入視頻圖像的特征適當(dāng)?shù)恼{(diào)節(jié)靜止特征和運(yùn)動(dòng)特征，從而更能滿足動(dòng)態(tài)場(chǎng)景，本文通過定義兩個(gè)修正矩陣分別對(duì)靜態(tài)顯著圖和動(dòng)態(tài)顯著圖進(jìn)行調(diào)節(jié)。具體視覺顯著性目標(biāo)檢測(cè)模型如圖1所示。

2 基于顯著性區(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤方法

傳統(tǒng)的Mean Shift算法的特點(diǎn)有兩個(gè)，一個(gè)是核函數(shù)的寬度固定；一個(gè)是目標(biāo)跟蹤的窗口是大小不變，這樣當(dāng)目標(biāo)的背景較復(fù)雜時(shí)算法不能隨目標(biāo)大小變化而改變。為了解決目標(biāo)跟蹤窗口不能隨目標(biāo)的變化而改變的確定，本文在Mean Shift 算法基礎(chǔ)上進(jìn)行了調(diào)整，提出了基于顯著性區(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤方法，方法步驟如下：

3 結(jié)束語

本文提出了一種基于視覺注意模型的運(yùn)動(dòng)目標(biāo)檢測(cè)模型，在該模型下提出了一種基于動(dòng)態(tài)顯著性區(qū)域的目標(biāo)跟蹤方法，該方法利用基于動(dòng)態(tài)顯著性特征的運(yùn)動(dòng)目標(biāo)檢測(cè)模型獲得目標(biāo)的位置，通過自適應(yīng)窗調(diào)整策略，對(duì)MeanShift算法進(jìn)行改進(jìn)，該方法可較好地實(shí)現(xiàn)對(duì)單個(gè)目標(biāo)和多個(gè)目標(biāo)的跟蹤。

參考文獻(xiàn)

[1]李天成，范紅旗，孫樹棟.粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J].自動(dòng)化學(xué)報(bào)，2015，12.

[2]孫曉燕，常發(fā)亮.梯度特征稀疏表示目標(biāo)跟蹤[J].光學(xué)精密工程，2013，12.

[3]王慧.空間和目標(biāo)注意協(xié)同工作的視覺注意計(jì)算機(jī)模型研究[D].2010，11.

[4]柯洪昌，孫宏彬.圖像序列的顯著性目標(biāo)區(qū)域檢測(cè)方法[J].中國(guó)光學(xué)，2015，8.