[发明专利]一种基于信息融合的改进Mean‑Shift跟踪方法

摘要

该发明公开了一种基于信息融合的改进Mean‑Shift跟踪方法，属于图像处理领域，特别是在行人检测，行人跟踪领域。本发明分析基本Mean‑Shift跟踪算法的不足，针对光照不足的情况，对视频进行非线性图像增强处理；针对目标模板单一的情况，使用Vibe算法添加目标的运动信息，形成一个基于信息融合的改进Mean‑Shift跟踪算法，增强跟踪的稳健性；最后针对目标被遮挡的情况，改进算法核函数，并添加Kalman滤波器模块，对目标位置进行预测。

主权项

一种基于信息融合的改进Mean‑Shift跟踪方法，该方法包含如下步骤：步骤1：在确定当前帧光照不足的时候，对当前帧图像进行非线性图像增强处理，分为自适应动态范围压缩和局部对比增强两个部分，若光照足够，则进入到步骤4；步骤2：应用sigmoid转换函数来增加图像的动态范围，其中采用对图像统计特性可自调的双曲正切函数进行图像动态范围压缩；步骤3：通过局部对比增强方法来增强图像的局部对比度；步骤4：选取矩形的跟踪区域，获得选取矩形区域的颜色直方图信息；步骤5：使用Vibe算法获得跟踪区域的目标运动信息，并和步骤4中得到的颜色信息一起作为匹配模板；步骤6：根据上一帧图像中跟踪区域的状态数据，采用Kalman滤波器获得当前帧跟踪区域的状态数据，状态数据包括跟踪区域的位置及运动方向；步骤7：采用核函数为的Mean‑Shift算法以步骤6中获得的跟踪区域位置作为跟踪区域起始候选区域进行均值漂移，得到当前帧中跟踪目标的准确位置，其中Mean‑Shift算法的匹配对象为步骤5获得匹配模板，其中x、y表示目标区域任意像素点的坐标值；σ为权值调整参数，其经验取值范围为：0.01<σ<0.5，σ参数的作用是控制边缘像素的权重使其不会发生剧烈变化，(hx,hy)为跟踪框的大小参数，表示跟踪框中心点坐标；步骤8：以步骤7获得位置信息更新跟踪区域状态数据和Kalman滤波器的参数，输出跟踪区域最终位置。