采用HSV 加权融合的核相关滤波跟踪方法

解博江 朱晶晶

（黄河交通学院智能工程学院，河南 焦作454950）

视频目标跟踪在智慧城市、智能交通、医疗辅助、人机交互等领域具有非常重要的应用，是计算机视觉与模式识别的一个重要的研究课题[1]。目前，研究视频目标跟踪的算法众多，可分为生成式[2]与判别式[3]方法。其中生成式方法首先建立目标表观模型，通过对视频中每一帧图像按照一定的策略搜索，以此得到与表观模型最为相近的区域，作为目标所在位置。而判别式方法则把目标跟踪看成一个典型的分类问题，其核心思想是建立目标和背景差异模型，训练出一个分类器，能够从图像信息中区分出目标与背景，从而确定目标位置，达到跟踪效果。相关滤波是一种典型的判别式跟踪方法，Bolme 等[4]人首次将相其引入到视频目标跟踪领域中，并以最小二乘的方式对滤波模板进行训练，最终形成了最小输出均方误差和跟踪方法，以其较高的跟踪速度与精度，引起了众多学者的广泛关注。文献[5]提出的时空场景跟踪方法，从概率论的角度对相关滤波方法进行封装，同时融入了时空上下文信息，并且在模板更新中考虑到了目标尺度变化问题。文献[6]提出了循环结构核跟踪方法，该方法用核化岭回归的方式来训练滤波模板，从而增加视频目标跟踪中模板在光照、遮挡等情况下的适用性。文献[7]在将单通道核相关滤波器拓展为多通道，有效解决了复杂多维度特征的使用问题，通过方向梯度直方图特征代替简单像素灰度特征，提出了核相关滤波器。上述所提及的跟踪方法，都是直接对彩色图像序列进行灰度化处理，然后提取其特征。这就导致了颜色信息的严重缺失，造成了对快速运动及形变目标的描述能力不足，表现为跟踪精度的下降，特别是在视频亮度不高的情况下，容易引起误差量的增大并累积，最终导致目标的漂移。为此，本文提出使用加权融合的HSV 颜色空间信息与HOG 特征进行级联去表征目标，并通过构建核相关滤波器实现对目标的有效跟踪。

1 核相关滤波跟踪算法

1.1 相关滤波跟踪算法基本原理

相关滤波考虑到视频目标序列具有较强的相关性，认为视频中同一目标在连续的两帧图像中位置及尺度变化不会太大，因此可以利用当前已知的目标图像序列来训练模板。用得到的训练模板和当前的图像进行相关运算，使响应值达到最大的地方就目标所在的位置。计算过程如式（1）所示。

其中，x 为当前帧图像，w为训练得到的模板，两者进行的运算为互相关运算，y 为当前帧中目标所在位置的响应函数。

1.2 构建循环矩阵的岭回归训练求解

X、Y 分别为输入前m 帧图像样本xi和其对应的回归目标yi所组成的两个向量，XH是X 的复共轭转置，I 为单位矩阵。如果直接通过（5）式求解w系数，计算量较大。通过循环移位的方式对输入的前一帧图像构建循环矩阵代替前m 帧图像进行训练，充分利用任意循环矩阵都可以被傅里叶变换矩阵对角化这一特殊性质，简化训练求解过程。利用循环矩阵的性质可解得：

对式两端同时进行FFT 变换并应用循环矩阵性质可得到所训练滤波模板的闭合解。

1.3 核函数快速训练与检测

2 目标的特征提取

2.1 HOG 特征的提取

2.2 HSV 颜色空间模型

HSV 颜色模型是通过三种属性- 色度、饱和度和明度来对一幅彩色图像信息进行描述描述，三者分别反映图像的色调，图像色彩的深浅程度以及色彩明亮程度。这种色彩描述方式相比常用的RGB 模型更接近人的视觉感观，而且HSV 色彩空间对光照的变化具有良好的鲁棒性，所以比较适合对光照变化情况下的彩色图像信息进行描述。由RGB 到HSV 颜色模型的转换可以看出H、S、V 三通道信息相互独立，其中V 分量在一定程度上能反应图像的灰度信息，而H 和S 分量则反映颜色信息。

2.3 HSV 三通道加权融合的HOG 特征

3 实验结果与分析

3.1 实验环境及参数设定

3.2 不同亮度条件下跟踪效果对比

实验选取了Benchmark 视频库中的四段目标发生快速运动及形变的彩色视频序列，并在不同亮度条件下，将KCF 与本文所提出的三通道加权融合的HSVKCF 进行对比测试，结果如图1 所示。

图1 KCF 与本文方法跟踪效果对比图

图1 中a、b 两组为对应着原始亮度与降低20%亮度后的图像序列。在视频1 的a 组中，运动员在快速运动时产生形变，使用KCF 的跟踪方法跟踪框出现一定的偏移，跟踪精度降低，而本算法能够保持较好的跟踪效果。视频1 的b 组视频，整体亮度降低，此时，KCF 算法在跟踪时跟踪框出现了较大的偏移，随着时间的推移，跟踪误差不断增大，最终出现跟踪失败。本文算法因为融入HSV 三通道颜色信息，跟踪效果较好。在视频2 的a组中，跟踪的目标出现了快速移动移动，同时有尺度的变化，KCF 算法在跟踪时，跟踪框出现偏移，b 组的视频亮度低的情况下，这种更加凸显了偏移量，随着模板误差的累积，最终跟踪失败；而本文所提出的算法受视频亮度的影响较少，故依然能准确的跟踪目标。在以上测试视频中，由于目标发生快速运动及形变，引起KCF 的跟踪精度出现不同程度的下降，尤其是在低亮度情况下更为明显，融入HSV 三通道颜色信息的HSVKCF 对视频亮度变化不敏感，而且对快速运动及形变的目标有更好的跟踪效果。

4 结论

典型相关滤波类算法在跟踪速度及精度上具有一定的优势，但对彩色图像序列进行处理时，为了提高计算效率，通常直接将其颜色信息舍去，导致目标发生快速运动以及形变时，出现了跟踪精度下降的现象，特别是在视频亮度不高的情况下更为严重。本文从有效利用颜色信息的角度出发，采用HSV 三通道加权级联HOG 特征去有效表征目标，并构建核相关滤波器达到跟踪的目的。为了验证算法的有效性，对本文提出的HSVKCF 与常见的相关滤波算法做了两组对比性试验，结果表明融入颜色信息后HSVKCF 对与快速运动及形变的目标有更高的跟踪精度，并且对视频亮度变化敏感度较低。