基于相關(guān)系數(shù)的跟蹤算法研究

王健鷹

昭通學(xué)院 信息科學(xué)與技術(shù)學(xué)院,云南 昭通 657000

基于相關(guān)系數(shù)的跟蹤算法研究

王健鷹

昭通學(xué)院 信息科學(xué)與技術(shù)學(xué)院,云南 昭通 657000

跟蹤算法可以解決一些實際問題。常見的傳統(tǒng)跟蹤算法包括基于特征匹配的跟蹤算法、基于區(qū)域的目標(biāo)跟蹤、基于模板的跟蹤等。他們以點乘累加作為相似度量準(zhǔn)則的方式，具有跟蹤精度低的問題，不利于跟蹤算法的應(yīng)用。故此，本文提出基于相關(guān)系數(shù)的跟蹤算法，從而快速實現(xiàn)相識度量的效果，提升跟蹤算法的精度、速度、復(fù)雜度等功能，有效地實現(xiàn)跟蹤算法的適應(yīng)能力和穩(wěn)定性，推動跟蹤算法的有效應(yīng)用。

相關(guān)系數(shù);跟蹤算法

相關(guān)跟蹤算法被廣泛的應(yīng)用到的紅外圖像序列的跟蹤，可以順利的完成對圖像的識別，選擇相關(guān)跟蹤不需要對圖像展開的分割和特征提取，僅僅需要在的原始圖像數(shù)據(jù)上展開運算，對圖像的整體信息保護(hù)的作用較高，具有較高的實踐價值和應(yīng)用意義。而傳統(tǒng)的相關(guān)跟蹤算法也存在一定的缺陷，主要選擇點乘累加作為相似度的量準(zhǔn)則，引起跟蹤精度低的問題，亟需改進(jìn)和完善[1]?；诖?，本文對基于相關(guān)系數(shù)的跟蹤算法展開分析，分析相似性度量的快速實現(xiàn)方法，并對其模板更新策略進(jìn)行闡述，解讀相關(guān)跟蹤的失效評價方式，具體內(nèi)容如下。

1 相關(guān)跟蹤算法分析

相關(guān)跟蹤算法具有較高的應(yīng)用價值，可在現(xiàn)場獲取的實時圖像中選取最為接近目標(biāo)模板圖像區(qū)域的算法。在實際的圖像識別中，選擇相關(guān)跟蹤算法，無須對圖像展開分割和特征提取，僅僅需要在原始圖像數(shù)據(jù)上展開相關(guān)運算，不會對圖像信息的整體完整度造成不利影響，從而可以實現(xiàn)在復(fù)雜環(huán)境中應(yīng)用的跟蹤算法。

具體的相關(guān)跟蹤算法，屬于一個動態(tài)的過程。以具體的紅外圖像序列跟蹤的應(yīng)用，借助目標(biāo)和傳感器的距離、高度和方位等的變化分析，綜合的對目標(biāo)圖像尺寸目的和基本函數(shù)情況，完成對兩個具有變化的圖像相似度的求解問題。相關(guān)跟蹤算法的實際應(yīng)用中，需要完成對目標(biāo)圖像存在三維變化或是二維變化的時的相似性度量和的精確定位問題進(jìn)行分析，進(jìn)而完成對的置信度問題的評估，解決更新目標(biāo)模板的問題[2]。

對于傳統(tǒng)的跟蹤算法比較，基于相關(guān)系數(shù)的跟蹤算法的精確更高，可以規(guī)避的傳統(tǒng)的跟蹤算法選擇點對點乘累加作為相似性判定準(zhǔn)則的情況，避免目標(biāo)出現(xiàn)滑移。另外，傳統(tǒng)的相關(guān)跟蹤算法還存在的計算量大的情況，對目標(biāo)跟蹤的實時性效果不佳，進(jìn)而導(dǎo)致精度問題，不利于相關(guān)算法的實際應(yīng)用[3]。

2 基于相關(guān)系數(shù)的相似性度量

2.1 相關(guān)系數(shù)分析

在展開基于相關(guān)系數(shù)的跟蹤算法的構(gòu)建和分析時，需要明確相關(guān)系數(shù)的定義，再展開的相關(guān)系數(shù)的整體解讀。具體的相關(guān)系數(shù)的定義如下（1）～（2）。

上述公式中，f表示目標(biāo)圖像，g表示目標(biāo)模板，表示目標(biāo)的圖像的均值。表示目標(biāo)模板的均值，MN表示模板的大小。結(jié)合相關(guān)系數(shù)的定義，可以得到其滿足|R（u，v）|≤1這一條件，且相關(guān)系數(shù)在[-1,1]區(qū)間內(nèi)能完成對像個變化圖像的相似性進(jìn)行衡量。通常上講R（u，v）趨近于1，則說明的兩個變化圖像的越近似有線性關(guān)系，這也側(cè)面說明了相關(guān)系數(shù)的可以對兩個變化圖像的近似程度的線性關(guān)系。其中R（u，v）中最大的偏移值為（u，v），可以將其視為目標(biāo)位置坐標(biāo)，得到這一數(shù)值后，則獲取兩者的最佳匹配位置，進(jìn)而完成相關(guān)算法的應(yīng)用[4]。

具體的目標(biāo)跟蹤的過程中，為了獲取的有效的目標(biāo)圖像，需要提前的對參考模板的圖像進(jìn)行設(shè)置。有效的參考模板設(shè)置，可以完成對目標(biāo)位置的識別。而目標(biāo)模板完成對目標(biāo)圖像識別的基礎(chǔ)。如果目標(biāo)模板中沒有涵蓋的不清的偏置量，則可以選擇的去均值相關(guān)跟蹤算法，完成對圖像的處理。處理完成后，則對圖像的相似度度量的分析，再借助的圖像中變化的信息，運用R（u，v），完成對的峰值銳化。如果沒有得到圖像的具體的灰度比具體數(shù)值，再選擇相關(guān)系數(shù)算法完成對比例刻度干擾的補償，為提升目標(biāo)跟蹤質(zhì)量和效率奠定基礎(chǔ)[5]。

相關(guān)系數(shù)跟蹤算法具備其特有的降噪能力，還可以完成對縮放、旋轉(zhuǎn)和的畸變差異不大時，運用基于相關(guān)數(shù)的跟蹤算法同樣可以完成對目標(biāo)的跟蹤，并獲取較好的匹配。僅管相關(guān)數(shù)算法的優(yōu)勢明顯，但具體的應(yīng)用中，會出現(xiàn)運算量大的情況，引起對目標(biāo)跟蹤的實時性效果不佳，甚至影響相關(guān)算法的應(yīng)用。故此，通過基于相關(guān)系數(shù)的跟蹤算法優(yōu)化，達(dá)到簡化計算量，提升相關(guān)跟蹤算法的應(yīng)用價值。

以紅外圖像序列的跟蹤為例，在具體的目標(biāo)跟蹤中，具體的紅外圖像序列中，兩個相鄰且連續(xù)的幀圖像之間出現(xiàn)的平移、伸縮等的量都較小，所以就使得連個相鄰且連續(xù)的幀圖像之間的相似性較高，從而目標(biāo)跟蹤時，可選擇相關(guān)系數(shù)作為相似性度量，展開目標(biāo)跟蹤。且由于|R（u，v）|≤1這一條件的存在，且相關(guān)系數(shù)的得到的值為歸一化值，且位于[-1,1]這一區(qū)間內(nèi)，可以作為判斷目標(biāo)跟蹤結(jié)果是否成功的標(biāo)準(zhǔn)[6]。

2.2 相關(guān)系數(shù)簡化

根據(jù)基于相關(guān)系數(shù)的跟蹤算法，可以完成對相關(guān)系數(shù)公式的簡化，簡化后相關(guān)系數(shù)跟蹤算法的公式為：

簡化后，可以達(dá)到減少運算量規(guī)避滑移效果，從而有效的提升目標(biāo)跟蹤的準(zhǔn)確性和效率性，其中，具體的簡化流程如下：

（1）確定前提條件，在相關(guān)系數(shù)作相似性度量的基礎(chǔ)條件下：

（2）完成對圖像均值與的計算，預(yù)先計算的優(yōu)勢是減少后續(xù)計算的繁瑣程度，可將計算后的數(shù)值直接代入，達(dá)到簡化計算流程的目的。

（3）對于圖像均值的近似計算，同樣可以展開的簡化，通常清下，如果直接展開計算，則需要展開（MN-1）次加法運算，還需要展開除法運算。但是，計算時，由于沒有除法單元，均值計算過程中會造成大量的時間消耗。針對這類情況，可以選擇近似位移操作的加法操作的方式，從而有效的降低均值計算的消耗，進(jìn)而達(dá)到節(jié)省時間的目的[7]。

（4）具體的計算中如果函數(shù)R（u，v）＜0，則得到（u，v）為中心的區(qū)域內(nèi)，不會發(fā)現(xiàn)跟蹤點。故此，針對原R（u，v）函數(shù)的基本情況，得到分子數(shù)值＜0，則可以完成對這個區(qū)域的排除，進(jìn)而展開下一個點的計算，也不用展開分母的計算。這中情況下，可以有效的達(dá)到簡化計算的目的，減少計算的時間。

（5）同樣如果函數(shù)R（u，v）的分子＞0，則可以對公式進(jìn)行變形，即為公式上下同時平方。選擇這種方式，可以有效的減少開平方所消耗的時間，達(dá)到降低運算難度和運算時間的效果。

（6）在實際的計算中，需要展開一個浮點除法，完成對函數(shù)R（u，v）的計算，并得到相關(guān)系數(shù)值。而選擇浮點除法的運算，具體的計算過程中，會需要展開大量的除法計算，增加了計算的難度和計算的時間。結(jié)合R（u，v）分子＜0的情況，可以節(jié)省分母的計算方式。為了保障函數(shù)R（u，v）∈[0,1]，則可以選擇分子墳?zāi)沟耐瑫r放大的一定的倍數(shù)，可以選擇分子放大的100倍，分母放大[0,100]中的任意一個數(shù)字，從而達(dá)到簡化的目的[8]。

綜合上述簡化方式的應(yīng)用，可以完成對基于相關(guān)系數(shù)的跟蹤算法的簡化，從而有效減少計算流程和浮點除法的問題，在降低計算量的基礎(chǔ)上，可以達(dá)到減少計算時間的目的，從而達(dá)到提升基于相關(guān)系數(shù)的跟蹤算法的應(yīng)用范圍。

3 目標(biāo)模板的更新策略與跟蹤失敗評判

3.1 模板更新策略

目標(biāo)模板是基于相關(guān)系數(shù)跟蹤算法的基礎(chǔ)，有效的完成對整個跟蹤過程的串聯(lián)，完成跟蹤的目的。在具體的跟蹤中，實際圖像會受到一些外界因素的干擾，為此，需要選擇有效的模板更新策略，從而保障跟蹤水平。

可以將模板跟新策略分為：（1）單純獲取最佳的匹配位置；（2）固定權(quán)值獲取最佳匹配位置，并與前一模板加權(quán)；（3）結(jié)合當(dāng)前幀跟蹤的質(zhì)量，生成一個權(quán)值，并將這一權(quán)值作為第種的基礎(chǔ)，完成對新模板的生成。

綜合分析這三種策略，均存在一定的缺陷，可能會引起跟蹤失敗的情況，不利于目標(biāo)的跟蹤。故此，可以根據(jù)上一匹配度值作為權(quán)值，并運用其對最佳匹配位置和舊模板展開加權(quán)，得到模板，其中加權(quán)算法如下：

結(jié)合上述公式獲得新模板后，展開對緩沖區(qū)的更新，并從緩沖區(qū)內(nèi)選取目標(biāo)模板。選擇這類模板更新策略，可以保障目標(biāo)模板符合跟蹤的需求，對于提升跟蹤質(zhì)量和跟蹤效果具有積極的作用[9]。

3.2 跟蹤失敗評判

具體的相關(guān)系數(shù)跟蹤算法的應(yīng)用，可能會受到一些因素的影響。如果出現(xiàn)物體遮擋的情況，就可能會導(dǎo)致跟蹤失效的情況發(fā)生，如果出現(xiàn)的目標(biāo)瞬間變化的情況，也會導(dǎo)致成像質(zhì)量問題，繼而導(dǎo)致識別效果不佳的情況。為了完成對跟蹤效果的評價，可以選擇跟蹤失效的評判。選用跟蹤失敗連續(xù)超出一定數(shù)目，則可以評定為跟蹤失效。

4 結(jié)論

針對相關(guān)跟蹤算法的基本情況，對基于相關(guān)系數(shù)的跟蹤算法展開解讀，明確相關(guān)跟蹤算法的缺點。并結(jié)合真實情況，完成對基于相關(guān)系數(shù)的跟蹤算法優(yōu)化，并選擇適宜優(yōu)化策略，實現(xiàn)對相關(guān)系數(shù)的簡化，再選擇有效的目標(biāo)模板更新策略、適宜跟蹤失效評價方式，進(jìn)而達(dá)到簡化基于相關(guān)系數(shù)跟蹤算法計算過程，提升跟蹤的效果，從而有效推動跟蹤算法的應(yīng)用空間和應(yīng)用質(zhì)量。

[1]紀(jì)榮芳.主成分分析法中數(shù)據(jù)處理方法的改進(jìn)[J].山東科技大學(xué)學(xué)報:自然科學(xué)版,2007,26(5):95-98

[2]劉洪瓊,劉知貴,張活力.視頻穩(wěn)定系統(tǒng)的角點跟蹤算法[J].計算技術(shù)與自動化,2012,31(2):78-81

[3]穆欣侃,徐德江,羅海波,等.基于新模板匹配的運動目標(biāo)跟蹤算法[J].火力與指揮控制,2013,38(3):22-26

[4]徐 珩,賀飛越.模板匹配跟蹤的哈希增強算法[J].計算機應(yīng)用與軟件,2016,33(7):167-171

[5]趙徑通,吳鐘建,李 黎.一種抗遮擋的相關(guān)濾波器跟蹤算法[J].科技經(jīng)濟(jì)導(dǎo)刊,2015(18):15-16

[6]田 立,周付根,孟 偲,等.互相關(guān)跟蹤算法的多核DSP快速實現(xiàn)[J].高技術(shù)通訊,2013,23(12):1248-1253

[7]叱干鵬飛.基于分布場模型的目標(biāo)跟蹤方法研究[D].西北農(nóng)林科技大學(xué),2014:52-56

[8]徐德江,史澤林,羅海波.零均值歸一化互相關(guān)跟蹤算法特性研究[J].紅外與激光工程,2010,39(S):485-489

[9]鐘 韜.Spearman秩相關(guān)系數(shù)計算方法的一點注記[J].讀寫算:教師版,2016(35):22-23

Research on Tracking Algorithm Based on Correlation Coefficient

WANG Jian-ying
School of Information Science&Technology/Zhaotong University,Zhaotong 65700,China

The tracking algorithm can be used to solve some practical problems.The traditional tracking algorithms include to be on the feature matching tracking algorithm,the regional target tracking algorithm,the template tracking algorithm and so on.These algorithms take a dot multiplication accumulation as the similarity metric criterion,so they have low a tracking precision not to apply.Therefore,this paper proposed the tracking algorithm based on correlation coefficient to achieve the rapid implementation of the measure met effect,improve the accuracy,speed and complexity function of tracking algorithm to realize the tracking algorithm's adaptability and stability and promote the effective application of tracking algorithms.

Correlation coefficient;tracking algorithm

TP312

:A

:1000-2324(2017)02-0284-03

10.3969/j.issn.1000-2324.2017.02.025

2016-10-22

:2016-11-03

王健鷹(1962-),男,碩士,講師.研究方向:計算機教育，模式識別和計算機網(wǎng)絡(luò).E-mail:653671216@qq.com