一種基于顯著性區域的運動目標跟蹤方法

柯洪昌+++邵文奇+++梁丞漢

摘 要：根據目標跟蹤中遇到的實際問題，在深入研究視覺注意理論的基礎上，提出了一種基于視覺注意模型的運動目標檢測模型，在該模型下提出了一種基于動態顯著性區域的運動目標跟蹤方法，該方法利用基于動態顯著性特征的運動目標檢測模型檢測到目標的位置，然后通過自適應窗調整策略，對MeanShift算法進行改進，可以有效進行目標跟蹤，方法能快速準確的檢測和跟蹤運動目標。

關鍵詞：顯著性區域；目標檢測；目標跟蹤

引言

受到背景條件的復雜性和特殊性等方面的影響，當目標所處的背景環境如果較復雜，就會導致目標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，從而大大降低相關目標跟蹤算法的準確性和高效性，并且當前的大多數目標跟蹤方法或系統對環境的要求較為嚴格[1]。故而，復雜背景下的目標跟蹤方法目前還面臨許多的技術難點。例如：光照變化的影響、目標型變的影響、遮擋影響、非靜態背景的影響、同一背景下多個目標的影響等等。這樣就極大的考驗目標跟蹤算法的性能[2]。

視覺注意是利用視覺信息進行注意選擇的心理現象，它可以把系統中有限的處理資源優先分配給少數幾個顯著的視覺區域。視覺注意顯著性計算為選擇少數的幾個顯著區域和排除冗余提供了快速的計算機制[3]。人的視覺系統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的難易程度無關。因此，把視覺注意應用到目標跟蹤領域可以建立更符合人類視覺特點且更高效的目標跟蹤算法，對運動目標檢測和跟蹤處理具有重要意義[4]。

1 顯著性區域目標檢測模型

針對本文待處理的地面復雜背景下圖像序列中運動目標跟蹤問題，將圖像中目標區域的亮度、顏色、方向以及運動四種底層特征相融合，前三種特征融合成靜態顯著圖，然后提取動態顯著性特征，最后融合成全局顯著圖，通過融入動態顯著性特征獲取的視覺注意焦點（運動目標）更高效、準確，目標具有較強的對比度和明顯的運動特征，對靜態特征可以較好的抑制，同時突出運動特征，根據視覺顯著性特征理論，針對運動目標的特征，本文提出了一個視覺顯著性目標檢測模型，原理如下。

對當前幀圖像進行靜態特征提取，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，然后融合成靜態顯著圖；在得到動態顯著圖時，要對當前幀和前一幀圖像分別濾波提取動態特征，然后對兩幀圖像的特征圖進行多尺度的差分，再融合為動態顯著圖；最終將靜態顯著圖和動態顯著圖按不同的場景融合在一起形成基本顯著圖。基本顯著圖的生成要根據輸入視頻圖像的特征適當的調節靜止特征和運動特征，從而更能滿足動態場景，本文通過定義兩個修正矩陣分別對靜態顯著圖和動態顯著圖進行調節。具體視覺顯著性目標檢測模型如圖1所示。

2 基于顯著性區域的運動目標跟蹤方法

傳統的Mean Shift算法的特點有兩個，一個是核函數的寬度固定；一個是目標跟蹤的窗口是大小不變，這樣當目標的背景較復雜時算法不能隨目標大小變化而改變。為了解決目標跟蹤窗口不能隨目標的變化而改變的確定，本文在Mean Shift 算法基礎上進行了調整，提出了基于顯著性區域的運動目標跟蹤方法，方法步驟如下：

3 結束語

本文提出了一種基于視覺注意模型的運動目標檢測模型，在該模型下提出了一種基于動態顯著性區域的目標跟蹤方法，該方法利用基于動態顯著性特征的運動目標檢測模型獲得目標的位置，通過自適應窗調整策略，對MeanShift算法進行改進，該方法可較好地實現對單個目標和多個目標的跟蹤。

參考文獻

[1]李天成，范紅旗，孫樹棟.粒子濾波理論、方法及其在多目標跟蹤中的應用[J].自動化學報，2015，12.

[2]孫曉燕，常發亮.梯度特征稀疏表示目標跟蹤[J].光學精密工程，2013，12.

[3]王慧.空間和目標注意協同工作的視覺注意計算機模型研究[D].2010，11.

[4]柯洪昌，孫宏彬.圖像序列的顯著性目標區域檢測方法[J].中國光學，2015，8.