王　振，金　永，王召巴，陳友興

(中北大學　電子測試技術(shù)國家重點實驗室，山西　太原　030051)

?

基于雙權(quán)值顏色直方圖的工作服檢測與跟蹤

王振，金永，王召巴，陳友興

(中北大學電子測試技術(shù)國家重點實驗室，山西太原030051)

摘要:為保障工人的安全，對工人是否穿著工作服進行檢測與跟蹤具有重要意義。針對均值漂移算法中顏色直方圖對工作服特征描述不準確、固定核窗寬不能對尺寸逐漸增大的目標進行有效跟蹤兩方面問題，提出一種基于目標像素中心加權(quán)與背景顏色削弱權(quán)值的雙權(quán)值顏色直方圖建模法，建立顏色特征突出的工作服模型，并結(jié)合工作服兩種顯著顏色的質(zhì)心距離變化，在跟蹤中調(diào)節(jié)核窗寬的大小。實驗結(jié)果表明，提出的方法能夠快速準確地檢測和跟蹤工作服。

關(guān)鍵詞:均值漂移；顏色直方圖；核窗寬；檢測跟蹤

隨著科技進步，諸如化工、建筑、醫(yī)藥等特殊行業(yè)，工作服已經(jīng)成為工作人員的一道安全保障。為了監(jiān)督工作人員在工作區(qū)域內(nèi)是否穿著工作服，保證安全生產(chǎn)，保障生命安全，對區(qū)域內(nèi)的工作人員進行檢測跟蹤具有一定的實際意義，為搭建智能監(jiān)控平臺提供理論基礎(chǔ)。

均值漂移[1](Mean-Shift)作為一種高效的模式匹配算法，Comaniciu等人[2]已成功將其應(yīng)用到目標跟蹤領(lǐng)域。在該算法中，目標首先通過顏色直方圖建模，在固定核窗寬范圍內(nèi)尋找與初始模型相匹配的顏色直方圖即為跟蹤目標。然而，傳統(tǒng)顏色直方圖建模僅僅對目標區(qū)域內(nèi)的顏色信息進行統(tǒng)計，缺乏考慮像素點對目標模型的貢獻權(quán)重，而且工作場所的復(fù)雜性容易使傳統(tǒng)顏色直方圖模型受到背景環(huán)境的影響，使得建立的模型不能準確地描述工人工作服的特征，導致跟蹤匹配時出現(xiàn)偏差[3-4]。由于經(jīng)典Mean Shift算法采用固定的核窗寬，對于尺寸發(fā)生變化的目標，尤其是尺寸增大的情況，常常會出現(xiàn)目標跟蹤丟失的情況[5]。針對上述問題，許多研究者就目標建模[4，6]、尺度變化[5，7]等方面提出了許多基于Mean-Shift算法的改進方案，但改進的方案算法復(fù)雜，實時性得不到保障，在工程應(yīng)用中的可靠性大大降低。

為了克服上述不足，本文根據(jù)工作服顏色相對單一且顏色空間分布結(jié)構(gòu)相對固定的特點，在目標顏色直方圖建模時引入基于目標像素中心的加權(quán)與背景顏色削弱權(quán)值雙權(quán)值法，增強對工作服顏色信息描述的準確性，并通過目標的主體顏色像素質(zhì)心距離的變化，自適應(yīng)地調(diào)節(jié)跟蹤的核窗寬大小。

1顏色直方圖建模

1.1基于目標像素中心加權(quán)

顏色直方圖以離散的方式對目標區(qū)域內(nèi)的像素點的顏色值進行統(tǒng)計，并用一維矩陣的形式反映該區(qū)域各種顏色的分布情況。設(shè)所選目標區(qū)域用R(x)表示，{xi}i=1,…,m為目標區(qū)域R(x)的點集，x0為目標中心，則該目標顏色直方圖可表示為

(1)其中：C為歸一化系數(shù)；δ為Kronecker delta函數(shù)；b(u)∈{1,2,…,N}為像素點x處的顏色量化值，N為顏色量化的最大值；u∈{1,2,…,N}為直方圖橫坐標取值。

然而，為了將目標完全包含在目標區(qū)域中，就不可避免地在目標模型中包含背景像素。本文沿用Comaniciu等人的核函數(shù)思想，依據(jù)像素點與目標中心的距離賦予每個像素點不同的權(quán)值，距離越小權(quán)值越大。這種加權(quán)目標顏色直方圖為

(2)

其中，k(·)為單調(diào)遞減的核函數(shù)；h為核窗寬，即目標區(qū)域半徑。這種方法雖然減小了背景的干擾，但由于只考慮包含在目標區(qū)域內(nèi)背景的影響，并沒有減輕目標對象所處環(huán)境對目標的影響。為此，本文引入背景顏色削弱權(quán)值。

1.2背景顏色削弱權(quán)值

分別計算前景與背景區(qū)域的顏色直方圖：

前景直方圖

(3)

背景直方圖

(4)

本文定義背景顏色削弱權(quán)值

(5)

顯然ω(u)∈[0,1]。該削弱權(quán)值將目標區(qū)域中屬于背景的顏色按其所占比例賦予不同權(quán)值，對只屬于背景的顏色的權(quán)值賦予0，而只屬于前景的顏色賦予1，該權(quán)值在削弱背景環(huán)境對建模帶來的影響的同時，也增強了目標特有顏色的可靠性。

經(jīng)過上述對目標的雙權(quán)值顏色直方圖建模，像素點在顏色直方圖中的統(tǒng)計權(quán)重被二次削弱或增強，目標與背景的差異性更見明顯。中心在x0處的目標被重新定義為

(6)

對圖1中的目標進行顏色直方圖建模，本文選取RGB顏色空間，將R、G、B等間隔量化為8×8×8，利用RGB()函數(shù)：RGB=256×R+16×G+B把三維顏色空間轉(zhuǎn)化為一維共1 912 bin，分別計算目標的傳統(tǒng)顏色直方圖與本文提出的雙權(quán)值顏色直方圖，結(jié)果如圖2所示。

對比圖2a與圖2b可以看出，改進后的雙權(quán)值顏色直方圖對原點附近的顏色有了明顯增大，而在2 000 bin附近的顏色已被完全消除。為更直觀地對比改進前后的變化，將傳統(tǒng)顏色直方圖與雙權(quán)值直方圖分別對原圖進行反投影，如圖3所示，可以看出背景中出現(xiàn)的白色光(2 000 bin附近)被削弱，而目標的固有顏色(原點附近)則被增強，目標被更好地凸顯出來。

2核窗寬自適應(yīng)的Mean-Shift算法

文獻[2]中詳細介紹了Mean-Shift算法的基本原理，本文在此基礎(chǔ)上，經(jīng)過對目標顏色直方圖的改進，目標的均值漂移向量Mh(x)變?yōu)?/p>

(7)

(8)其中：y0為候選目標模型中心；函數(shù)g(·)為核函數(shù)k(·)的導函數(shù)；Qu與Pu(y0)分別為目標與候選目標的顏色直方圖模型；ω(u)為本文提出的背景顏色削弱權(quán)值。

經(jīng)典Mean-Shift算法的核窗寬h在整個算法的迭代中是固定不變的。Collins[7]曾指出，當目標尺寸大于核窗寬時，采用固定的核窗寬會使目標的尺度和空間定位產(chǎn)生偏差，導致在長期跟蹤中目標丟失。本文考慮到工作服顏色相對單一且顏色空間分布結(jié)構(gòu)相對固定的特點，將像素的坐標信息融入到算法中，依據(jù)目標主體顏色信息自適應(yīng)調(diào)節(jié)核窗寬大小。

對于目標中的同一種顏色，本文定義其像素質(zhì)心μi=(xi,yi)為

(9)

(10)

對于實際中常見的平移運動，在沒有遮擋的情況下，工作服可靠顏色的空間結(jié)構(gòu)相對固定，顏色質(zhì)心距離與核窗寬的比近似保持不變，即當目標尺寸變化時，顏色質(zhì)心距離也相應(yīng)變化，如圖4所示。

因此，在進行Mean-Shift向量迭代前，首先計算該幀圖像中所選可靠顏色的質(zhì)心距離d，由質(zhì)心距離與核窗寬比例近似相等，調(diào)整跟蹤核窗寬大小，即

(11)

3試驗結(jié)果

為驗證所提算法的魯棒性與有效性，本文對一組在建筑工地采集的視頻序列進行測試，并同經(jīng)典的Mean-Shift算法進行比較。視頻中工人衣服顏色與地面顏色相近，背景干擾顏色較多，目標的尺寸逐漸變大。跟蹤初始手動選擇建筑工人作為目標，所選目標框含有大量背景信息。圖5a為經(jīng)典Mean-Shift算法的跟蹤效果，圖5b為本文提出的改進算法的跟蹤效果。

通過對比可以看出，在55幀之前，目標尺寸變化不明顯，經(jīng)典Mean-Shift算法依然可以跟蹤到目標，但跟蹤框已有偏離目標的趨勢；當目標尺寸逐漸變大時，經(jīng)典的跟蹤算法由于核窗寬固定，跟蹤到的目標逐漸偏離目標主體，繼續(xù)跟蹤容易導致目標丟失，而采用本文算法進行跟蹤時，跟蹤窗口能夠準確地定位目標，達到了目標跟蹤的效果。

4結(jié)束語

經(jīng)典Mean-Shift算法在對工作服進行跟蹤時容易出現(xiàn)跟蹤失敗，本文根據(jù)工作服的顏色特點，從目標建模與改變核窗寬兩方面進行了改進，提出雙權(quán)值目標顏色直方圖建模法，綜合考慮了目標前景的像素分布信息與目標背景干擾信息，建立的模型更加突出目標的顏色特征，削弱了背景顏色對目標的影響。此外利用工作服主體顏色質(zhì)心距離的變化對核窗寬大小進行調(diào)節(jié)，算法簡單，實時性較好，有效地解決了跟蹤過程中出現(xiàn)的目標尺寸變化問題。然而，本文算法并未針對目標遮擋的情況進行討論，更具有普遍應(yīng)用的建模方法與窗口自適應(yīng)算法將是下一步研究的重點。

參考文獻：

[1]FUKANAGA K，HOSTETLER L D. The estimation of the gradient of a density function，with applications in pattern recognition [J]. IEEE transactions on information theory，1975，21(1)：32-40.

[2]COMANICIU D， RAMESH V，MEER P. Kernel-based object tracking[J]. IEEE transactions on pattern analysis and machine intelligence，2003，25(5)：564-575.

[3]王勇，陳分雄，郭紅想.偏移校正的核空間直方圖目標跟蹤[J].自動化學報，2012，38(3)：430-436.

[4]BIRCHFIELD S T，RANGARAJAN S. Spatiograms versus histograms for region-based tracking[C]// Proc. IEEE Conference on Computer Vision and Pattern Recognition. San Diego：[s.n.]，2005：1158-1163.

[5]彭寧嵩，楊杰，劉志，等．Mean-Shift跟蹤算法中核函數(shù)窗寬的自動選取[J].軟件學報，2005，16(9)：1542-1550.

[6]王中杰，張志恒.基于粒子濾波的視頻圖像目標遮擋算法研究[J].電視技術(shù)，2015，39(7)：31-33.

[7]COLLINS R T. Mean-shift blob tracking through scale space[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition．New York：IEEE Press，2003：234-240.

責任編輯：閆雯雯

Detecting and tracking of working clothes based on double weight color histogram

WANG Zhen，JIN Yong，WANG Zhaoba，CHEN Youxing

(NationalKeyLaboratoryforElectronicMeasurementTechnology,NorthUniversityofChina,TaiYuan030051,China)

Key words：mean shift;color histogram;kernel bandwidth;detecting and tracking

Abstract:In order to guarantee the safety of the workers, it has an important significance for detecting and tracking whether the workers dress working clothes. Aiming at the problem of the inaccurate description of working clothes by classic color histogram, and limited performance when tracking a gradual increased target with fixed kernel-bandwidth, a new color histogram model with double weight is proposed, which is weighted by target pixel center and background color weaken coefficient. For adapting to the change of target size, two reliable color centroid distance is used to fix kernel-bandwidth. Experiment results show that the proposed method can successful adapt to detecting and tracking of working clothes.

中圖分類號：TP391.41

文獻標志碼：A

DOI：10.16280/j.videoe.2016.01.026

基金項目：國家自然科學基金項目(61201412)

收稿日期：2015-07-19

文獻引用格式：王振，金永，王召巴，等.基于雙權(quán)值顏色直方圖的工作服檢測與跟蹤[J].電視技術(shù)，2016,40(1)：131-134.

WANG Z,JIN Y,WANG Z B,et al.Detecting and tracking of working clothes based on double weight color histogram[J].Video engineering,2016,40(1)：131-134.