利用PSO估算LucasKanade光流模型的参数.pdfVIP

第45卷第3期 郑州大学学报(理学版) V01．45No．3 2013年9月 J．ZhengzhouUniv．(Nat．Sci．Ed．) Sep．2013 李 蓉 (华南师范大学增城学院计算机系广东广州511363) 摘要：在使用Lucas-Kanade光流法进行目标跟踪时，由于目标本身存在旋转、位移、缩放等情况，导致估计参数偏差 大而影响跟踪的准确性．因此提出使用PSO对Lucas—Kanade光流法中参数做最优化处理，估算出有效参数范围，以 取代传统的区域求解法．实验结果表明，该算法能快速有效地跟踪目标． 关键词：Lucas—Kanade；粒子群优化算法；目标跟踪；模板漂移 391．41 中图分类号：TP 文献标志码：A 文章编号：1671—6841(2013)03—0058—05 DOI：10．3969／j．issn／1671—6841．2013．03．014 0 引言 法进行改进．文献[2]探讨模板更新时，发现参数P更新时可能陷入区域最小值的情况，导致模板漂移；为解 决漂移问题，提出了“漂移校正模板更新”方法，在每一帧内先用当前模板进行匹配跟踪，再用初始模板进行 二次跟踪，经过两次跟踪，有效地降低漂移现象的次数．文献[3]提出一种MILK算法，运算量虽比SSD大， 跟踪，但对复杂背景，跟踪效果就比较差．文献[5]使用加权方法，加入二元权值屏蔽外部像素和模版更新策 略，实现复杂背景、目标缩放等情况下的目标跟踪，但卢的自适应选取对实验结果影响比较大． 础，结合粒子群优化算法(PSO)，估算出适当的参数范围．实验表明该算法能快速有效地进行目标跟踪． 1 Lucas-Kanade光流法 所在位置，逐步达到目标跟踪．主要分3步：区域匹配方式及内插法，梯度估算，参数更新． 1．1 区域匹配方式及内插法 令时间t=0的影像为厶，从，o中截取一个区域r作为模版，该模版的起始位置(0，0)相对于厶中的坐 标(戈。，Yo)，当时间t=n时，模版r中的图像可能经过旋转、缩放或位移等情况产生变形．因此必须产生与模 版丁大小相等的图像区域丁，用于进行对比．模版丁的起始坐标经过转换运算，得到，。上的新坐标位置，将得 到的像素值代人图像r，并与模版r进行比对．为预测出目标的大小位置，给出一组参数P， P=[P。，P2，P3，P4，P5，P6]T． (1) 算出追踪目标的位置及形状大小． ㈩ w㈦y㈠2嗡1，?p4】沪盼0■㈨x+。p，3：；：：≯ 收稿日期：2012～11—15 基金项目：广东省自然科学基金资助项目，编号$2011010003442． 作者简介：李蓉(1972一)。女，讲师，主要从事图像处理、模式识别研究，E·mail：1047161101@qq．com 万方数据 第3期 李 蓉：利用PSO估算Lucas—Kanade光流模型的参数 59 力={(戈，Y)j (3) ，、 zo≤戈石o+加F，Yo≤YYo+hg}， 式(2)的(戈，y)范围由式(3)确定，W。和h。分别为模版图像的宽和高． “、、， …小， 本文使用线性内插法来填补图像；1，示意图如图1．假设时间￡时目标图像，。 ： ●“0● 与厶有差异，误差函数为 人 E2(。毛n[，(W(z，YY(z．)∈n ，P))一r(z，y)]2· (4’ -●o●一- 初始参数P为已知，经过时间的变化，参数P也发生变化，必须通过式(5)寻，．。川