第３７卷第３期 计算机科学 Ｖｏ１．３７ Ｎｏ．３ Ｍａｒ ２０１０ ２０１０年３月 Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ 基于自适应水平集方法的运动目标跟踪 王威 陈益稳。 （海军航空工程学院青岛分院 青岛２６６０４１） （国防科技大学ＡＴＲ重点实验室 长沙４１００７３）。 摘要在对复杂背景条件下的非刚体目标进行跟踪时，水平集方法是一种非常有效的方法。针对水平集的初始化 问题，提出了一种自适应初始化的水平集方法。首先采用粒子滤波对ｌｌｆ标进行跟踪，得到运动目标的粗外接矩形轮 廓；然后以外接矩形轮廓的质心为基础进行水平集曲线演化，求取目标的精确轮廓信息，并将轮廓的提取结果反馈到 跟踪框架中；最后，动态更新参考模板，以改进似然函数。实验结果表明，本方法能够适应非刚体目标在运动中的自由 变化，使得跟踪更加精确。 关键词粒子滤波，水平集，运动目标跟踪，初始化 ＴＰ３９１ 文献标识码Ａ 中图法分类号Ｍｏｖｉｎｇ Ｔａｒｇｅｔｓ Ｔｒａｃｋｉｎｇ Ｂａｓｅｄ ｏｎ Ａｄａｐｔｉｖｅ Ｌｅｖｅｌ Ｓｅｔ Ａｌｇｏｒｉｔｈｍ ＷＡＮＧ Ｗｅｉ ， ＣＨＥＮ Ｙｉ－ｗｅ￣ＷＡＮＧ Ｒｕｎ－ｓｈｅｎｇ２ （Ｑｉｎｇｄａｏ Ｂｒａｎｃｈ ｏｆ Ｎａｖａｌ Ａｅｒｏｎａｕｔｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｉｎｓｔｉｔｕｔｅ，Ｑｉｎｇｄａｏ ２６６０４１，Ｃｈｉｎａ） （ＡＴＲ Ｋｅｙ Ｌａｂ．。Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｄｅｆｅｎｓｅ Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ ４１００７３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ｌｅｖｅｌ ｓｅｔ ａｌｇｏｒｉｔｈｍ ｉｓ ａｎ ｅｆｆｅｃｔｕａｌ ａｌｇｏｒｉｔｈｍ ｗｈｅｎ ｔｒａｃｋｉｎｇ ｔｈｅ ｎｏｎｒｉｇｉｄ ｍｏｖｉｎｇ ｔａｒｇｅｔｓ ｏｎ ｃｏｍｐｌｉｃａｔｅｄ ｃｏｎｄｉ— ｔｉｏｎｓ．Ａｎ ａｄａｐｔｉｖｅ ａｌｇｏｒｉｔｈｍ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｓｏｌｖｅ ｔｈｅ ｉｎｉｔｉａｌｉｚａｔｉｏｎ ｐｒｏｂｌｅｍ ｏｆ ｌｅｖｅｌ ｓｅｔ．Ｆｉｒｓｔｌｙ，ｔｈｅ ｐａｒｔｉｃｌｅ ｆｉｌｔｅｒ ａｌｇｏ— ｒｉｔｈｍ ｗａｓ ｕｓｅｄ ｔｏ ｔｒａｃｋ ｔｈｅ ｔａｒｇｅｔｓ，ａｎｄ ｔｈｅ ｒｏｕｇｈ ｅｘｔｅｒｎａｌ ｃｏｎｔｏｕｒ ｃｏｕｌｄ ｂｅ ｇｏｔｔｅｎ．Ｔｈｅｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｅｎｔｒｏｉｄ ｏｆ ｔｈｅ ｅｘｔｅｒｎａｌ ｃｏｎｔｏｕｒ，ｔｈｅ ｌｅｖｅｌ ｓｅｔ ＣＨＩＶｅ ｅｖｏｌｕｔｉｏｎ ｗａｓ ｐｅｒｆｏｒｍｅｄ ｔｏ ｇｅｔ ｔｈｅ ｐｒｅｃｉｓｅ ｅｘｔｅｒｎａｌ ｃｏｎｔｏｕｒ ｏｆ ｔｈｅ ｔａｒｇｅｔｓ，ａｎｄ ｔｈｅ ｅｘｔｒａｃｔ ｒｅｓｕｌｔｓ ｗｅｒｅ ｆｅｄ ｂａｃｋ ｔｏ ｔｈｅ ｔｒａｃｋｉｎｇ ｆｒａｍｅ；ｌａｓｔｌｙ ｔｈｅ ｌｉｋｅｌｉｈｏｏｄ ｆｕｎｃｔｉｏｎ ｗａｓ ｉｍｐｒｏｖｅｄ ｂｙ ｕｐｄａｔｉｎｇ ｔｈｅ ｒｅｆｅ－ ｒｅｎｃｅ ｔｅｍｐｌａｔｅ ｄｙｎａｍｉｃａｌｌｙ．Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｐｒｏｐｏｓｅｄ ｉｎ ｔｈｉｓ ｐａｐｅｒ ｃａｎ ａｄａｐｔ ｔｏ ｔｈｅ ｍｏ－ ｖｉｎｇ ｃｈａｎｇｅｓ ｏｆ ｔｈｅ ｎｏｎｒｉｇｉｄ ｔａｒｇｅｔｓ，ａｎｄ ｔｈｅ ｔａｒｇｅｔｓ ｃａｎ ｂｅ ｔｒａｃｋｅｄ ａｃｃｕｒａｔｅｌｙ． Ｋｅｙｗｏｒｄｓ Ｐａｒｔｉｃｌｅ ｆｉｌｔｅｒ，Ｌｅｖｅｌ ｓｅｔ，Ｍｏｖｉｎｇ ｔａｒｇｅｔｓ ｔｒａｃｋｉｎｇ，Ｉｎｉｔｉａｌｉｚａｔｉｏｎ 视频目标跟踪是计算机视觉领域的一个重要问题，在制 导、视频监控、机器视觉、人机交互以及医疗诊断等方面有着 广泛的前景【ｌ】。］。视频目标跟踪的研究目的是模拟人类视觉 感知功能，赋予机器辨识序列图像中运动目标的能力，为视频 的水平集进行目标的检测与跟踪。首先用粒子滤波跟踪目标 区域，以区域的质心对水平集进行初始化，这样可以取得比较 精确的目标轮廓；然后将轮廓的提取结果反馈到跟踪框架中， 动态更新参考模板，以改进似然函数。 分析理解提供重要的数据依据。视频目标的跟踪往往由于复 杂的背景和目标本身的运动变得非常困难。尽管人们对视频 目标跟踪进行了广泛的研究，并提出了许多有效的跟踪方法， １水平集方法 水平集（１ｅｖｅｌ ｓｅｔ）是Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ方程的一种数值解 法，最初由Ｏｓｈｅｒ和Ｓｅｔｈｉａｎ［ ］提出，用于解决遵循热力学方 但是在复杂动态环境下，对运动目标进行有效跟踪还十分困 难。复杂场景中，背景与非刚体目标通常是动态变化的，采用 诸如背景减除、帧差等传统的目标检测方法已无法有效提取 运动目标，于是人们提出了一些基于跟踪的方法，主要有基于 程下火苗外形的变化过程。在视频应用领域，水平集方法能 够在没有外界控制条件的情况下对非刚体目标的轮廓进行较 好的表达，使非刚体目标的跟踪变得简单易行。Ｌｅｖｅｌ Ｓｅｔ方 法的基本思想是将平面闭合曲线隐含地表达为二维曲面函数 的水平集，即具有相同函数值的点集，通过Ｌｅｖｅｌ Ｓｅｔ函数曲 面的进化隐含地求解曲线的运动。将初始曲线嵌入高一维的 区域的跟踪、基于特征的跟踪、基于动态轮廓的跟踪和基于模 型的跟踪［４］。这些方法可以胜任大部分刚体目标的跟踪，但 是对于非刚体目标，一个确定的模型难以描述运动中目标轮 廓的变化，从而增加了跟踪与提取的难度。一直以来，复杂场 景中非刚体运动目标的跟踪与提取都是研究的难点。 针对传统算法难以检测动态背景条件下运动目标的问 题，本文提出了一种新的检测与跟踪策略，应用自适应初始化 水平集函数中，这样二维的曲线演化问题就转化为三维空间 中连续曲面的演化问题。嵌入的原始曲线所在平面设定为零 水平集，曲线的收缩和扩张就转化为通过水平集函数来移动 原始曲线。水平集方法在一定程度上克服了Ｓｎａｋｅ模型的缺 到稿日期：２００９—０４—２４返修日期：２００９—０７—０５ 本文受武器装备预研项目（９ｌ４Ｏｃ８００２Ｏ１Ｏ７Ｏ５）资助。 王威（１９７４一），男，博士生，讲师，主要研究方向为图像分析理解与信息融合等，Ｅ－ｍａｉｌ：ｖａｇｕｅｗ＠ｔｏｍ．ｃｏｍ；陈益稳（１９８２－－），男，硕士，主要研 究方向为图像分析理解与信息融合等；（１９４１一），男，教授，博士生导师，主要研究方向为图像分析理解与信息融合。 ・２７１・ 点，若对初始轮廓的选择没有特殊的要求，就可以很好地处理 拓扑结构改变等。给定平面上的一条闭合曲线Ｃ（Ｐ，￡）：Ｏ≤Ｐ ≤１，以曲线为边界，把整个平面划分为曲线的外部区域和内 Ｆ（ ）一 （ ）＋ ｎｇ （ ）Ｉ Ｉ ｄｘｄｙ４－ｖＪ ｇＨ（一 （９） ４）ｄｘｄｙ 部区域，在平面上定义一个符号距离函数： （ｚ，Ｙ，ｆ＝Ｏ）一士 （ ， ） （１） 其中，Ｐ（ ）一ＪＷ １（Ｉ 声Ｉ一１） ｄｘｄｙ，用来刻画 和ｎ中 符号距离函数的距离；ｇ一１／（１＋ｌ Ｇ＊ｊ Ｉ ）为边缘标识函 数， Ｇ＊Ｊ为对图像高斯平滑后进行的梯度运算； （ ）和Ｈ （ ）分别为Ｄｉｒａｃ函数和Ｈｅａｖｉｓｉｄｅ函数，当取定为门限值￡ 其中，ｔ表示时间，ｄ（ｘ， ）是点（ｚ， ）到初始曲线Ｃ（￡＝Ｏ）的最 短距离，函数的符号取决于该点在曲线的内部还是外部，通常 定义在曲线内部点的距离的符号为负，外部为正。 为水平 集函数。水平集方法就是通过在曲线内部进行演化来获取目 后， （庐）一｛ ，ＨＥ（ ）一÷［１＋ ａｒｃｔａｎ（詈）］。 标的 图１水平集演化示例 图１中，最小的圆是ｆ一０时刻平面上的一个圆，锥面是 平面上的点到圆的最短距离，形成一个锥体，构成水平集函数 集 （ ，Ｙ，￡）；中间的圆是演化后的在￡：１时刻的圆。在演化 过程中，要使得平面闭合曲线，就要始终满足方程 （ｚ，Ｙ， ） 一Ｏ。对方程两边求导数，得： ＋ ｄｘ＋ 一０ ＋ ・８Ｃｄｆｄ￡ｏ （２） 其中， 是 的梯度。设Ｓ为闭合曲线Ｃ的弧长参数，根据 水平集函数的定义， 沿着曲线Ｃ的方向的变化量为零，即： 一Ｏ 如 ＋ＣｙＹ 一＜ ，Ｇ＞一Ｏ （３） 就垂直于闭合曲线的切线。因此， 和Ｃ的法线 有相同的方向。又因为函数 位于Ｃ内部的部分为负，则曲 线Ｃ的内向单位法向矢量为： Ｎ一一 ／ｌ ｌ （４） 于是： 一一 ’Ｖ（ ）Ｎ— ｊ６。Ｖ（ Ｔ 一Ｖ（ ）Ｉ Ｉ （５） 其中，ｙ（ ）是速度函数，决定每个点的演化速度； 为曲线的 曲率。整理后得到： ０４ｄ￡＝Ｖ（ ）Ｉ （６） 此式是一种Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ型的偏微分方程，它可保证 （ｚ，Ｙ，￡）的零水平集始终是曲线Ｃ。方程的离散化形式为： ＋ Ｉ ；ｌ—ｏ （７） 其中，妁是当离散网格间隔为ｈ时，在 时刻节点（ ， ）处的 水平集函数。 在计算水平集函数的演化时，需要对整个图像平面中所 有点的水平集函数值进行更新，计算量非常大。有很多文献 进一步研究了水平集初始化等问题 ］。本文采用ＬｉＥ。 提出 的无需重新初始化的水平集方法，将水平集函数与符号距离 函数的偏差作为能量函数引入Ｃ＿Ｖ模型，以此来约束水平集 函数成为距离函数： ＝ｓｉｇｎ（如）（１－Ｊ ，ＩＩ） （８） 其中，ｓｉｇｎ（如）为标记函数。能量方程为： ・ ２７２ ・ 由此可以得到水平集函数演化方程为： ３￣Ｓｔ＝，ｕ Ａ声－ｄｉｖ（尚）卜 ）ｄｉｖ（ｇ尚）＋ 艿（ ） （１Ｏ） 方程右边第一项为惩罚项，用来约束演化过程中的水平 集函数；右边第二项为水平集函数表达的曲线的长度，作用是 平滑曲线；第三项为水平集函数曲线内部区域的面积； ， ， 分别为各项的权重系数。 ＩＪｉ主要针对灰度图像进行演化，取得了较好的效果。本 文将其应用到彩色图像中，并将彩色梯度引入进来。由于灰 度梯度本身的局限性，根据彩色空间的特性，本文提出以下彩 色梯度计算方法： Ｇ 一 ｌ Ｒ＋ ， ～Ｒ一 ， Ｉ＋ Ｉ Ｇ＋ ，，一Ｇ一－， ｌ＋ ｙｌ Ｂｉ＋１． —Ｂｒ．１．Ｊ Ｉ （ —ａｌＲ．，＋ 一Ｒ， ｌ＋Ｊ８ｌ Ｇ， ＋ 一Ｇ Ｉ＋ ｙＩ Ｂ ：１－－ＢｉＪ－ｌ Ｉ （１１） Ｇｉ，，一￣／（Ｇ为） ＋（Ｇ ，） 其中， ， ，ｙ为加权系数。在水平集跟踪过程中，零水平集的 选择非常重要，本文采用粒子滤波的跟踪结果自动选择零水 平集。 ２目标区域跟踪 本文采用粒子滤波方法进行目标区域跟踪。粒子滤波技 术是一种非线性滤波算法，其基本思想是通过寻找一组在状 态空间中传播的随机样本对概率密度函数进行近似，以样本 均值代替积分运算，从而获得状态的最小方差估计。１９９６年 Ｉｓａｒｄ［ ］将粒子滤波方法引入到计算机视觉的领域，它处理的 是非线性、非高斯的系统。这种系统更能准确地描述视觉跟 踪问题，因此被广泛应用于视频中的运动目标跟踪［１ ］。 我们采用了运动目标的最小外接矩形框描述目标状态： Ｘｋ一｛如，“ ， ，Ｈ ） （１２） 其中， 和“，表示矩形框的中心，Ｈ 和Ｈ 分别表示矩形框 的宽和高。 对于视频中的目标来说，在相邻帧之间，目标运动的机动 性不是很大，因此在多数情况下，可以采用二阶自回归模型对 状态 进行传递，将目标的状态模型定义如下： 一Ａ 一２ ４－Ｂ墨一１ ４－ＣＷｋ一１ （１３） 其中， 为目标在ｋ时刻的状态矢量；ＶＧ一 为ｋ时刻的噪声 矢量；Ａ，Ｂ，Ｃ为状态转移矩阵。 观测密度函数为： １ ，．－１２、 ｆ（Ｚｋ ｌ ｐ（ ） ４ 其中，ｄ为观测量与目标的相似距离度量，它根据所采用的特 征不同而不同； 为常数。 本文采用图像彩色直方图之间的相似性来衡量观测序列 图像与参考图像之间的相似测度。设参考图像的直方图Ｐ一 ｛吼｝ ： ．．， ｓ；观测图像的直方图和Ｂｈａｔｔａｃｈａｒｙｙａ系数分别为 ３ ｔｈＰｚ． 一 （ ，ｓ）） ，… ，ｐ（ｚ，ｓ）一 到观测图像和参考图像的似然函数为： ｐ（Ｚｌ Ｘ）ｏｃｅｘｐ（～ Ｄ２［Ｐ，Ｐｚ， ］） 加权的形式更新似然函数： 丽。因此，得 （１５） 其中，Ｄ［Ｐ，Ｐ ］＝［１－－ｐ（ｚ，ｓ）］。为提高跟踪的鲁棒性，采用 Ｐ （ Ｉ ）一（１－－ａ）ｐ 一１（ １ ）＋口 一１（ Ｉ ） 率， （１６） 其中，Ｐ （ ｌｚ）为用前一时刻的旧参考模板计算的似然概 （ ｌｚ）为用前一时刻的新模板计算的似然概率，Ｐ （ｚｌ ｚ）为当前时刻的似然概率， 为更新参数。采用上述更新方 式是为了防止跟踪过程中偶然出现大的偏差导致以后的跟踪 失效。 ３算法实现流程 本文方法包括如下处理流程：用粒子滤波跟踪运动目标 区域；在跟踪区域内从目标区域的质心开始采用水平集方法 向外进行曲线演化和轮廓的精确提取；将反馈轮廓的提取结 果放到跟踪框架中，动态更新参考模板以改进似然函数。这 个方法能够适应目标在运动中的自由变化，提高了跟踪的精 确度。具体算法描述如图２所示。 １．初始化：ｋ＝０。初始化参考模板，设定跟踪目标的外接矩形框。建 立状态模型，并以参考模板的状态初始化所有粒子ｘ５ ，ｉ一１，２， …，Ｎ。 ２．目标区域跟踪：对于 ≥１的时刻 ＾ （ａ）状态转移：根据状态模型采集粒子Ｘｌ ；计算各个粒子的似然概 ＾ 率，根据 ｔ ： 丛 垡 幽计算各个粒子的 ｑ（ＸＩ‘ ｌ ｘ 一１，Ｚ１； ） ＾ Ｎ ＾ 权重；根据７ｃｌ，）一 ／∑《 将权值 ｔ 归一化为 ｌｆ）； ｌ—ｌ ＾ （ｂ）重采样：根据重要性权值从粒子集合ｆ ： 一１，２，…，Ｎ｝中 重采样Ｎ个粒子Ｘ６ ： ＝１，２，…，Ｎ， ＾ 让７ｃｌ ’一７ｃｌ ）一１／Ｎ， 一１，２，…，Ｎ。 （ｃ）输出：采用权重最大的粒子的状态作为跟踪输出状态，得到目标 跟踪区域。 ３．更新：以输出粒子的状态，即目标的外接矩形框质心所在的曲线为 水平集函数的零水平集进行曲线演化和区域连通等后续处理得到 运动人体目标； 计算该目标的外接矩形，计算该矩形内的ＨＳＶ空间的彩色直 方图，采用加权更新的方法更新参考模板。进入步骤（ａ）。 图２本文算法描述 ４实验与分析 本文首先采用一段视频监控录像进行实验。图３为只采 用标准粒子滤波方法跟踪的实验结果，其中（ａ）的矩形框为初 始化参考模板；（ｂ），（ｃ）分别为无更新时第４Ｏ和第１５０帧跟 踪结果，可以发现（ｂ），（ｃ）中跟踪结果产生的矩形框都没有包 含完整的人体运动目标。主要是由于背景中车辆运动的干扰 和人的运动变化导致观测序列中真实的运动目标与参考模板 ■■■ ■■ （ａ）第４０帧 （ｂ）第１５０帧 图４本文方法的跟踪结果 图６多目标的跟踪结果 我们还对变化背景条件下的视频序列以及多目标的情况 进行了实验，结果如图５、图６所示。在图５中，左边为原始 图像帧，右边为本文方案实验结果。在图６中，上面为原始视 频帧，下图为本文方案实验结果。实验结果分析表明，使用本 文方案可以实现在复杂场景下运动人体目标的自动跟踪与轮 廓的自动提取，而不需要首先人工进行零水平集的选取。 ・２７３・ 结束语本文针对复杂场景中非刚体运动目标的检测跟 ２００４，３４（３）：３３４—３５１ 踪问题，提出了一种新的方法。先用粒子滤波方法跟踪人体 运动目标的外接矩形区域，在跟踪结果的基础上用水平集方 法通过演化提取运动人体轮廓，同时用提取的结果动态更新 粒子滤波器的似然函数。本文方法的优点在于：将运动人体 目标状态的不确定性交给粒子滤波器来解决，从而有效地进 Ｏｓｈｅｒ Ｓ・Ｓｅｔｈｉａｎ Ｊ Ａ Ｆｒｏｎｔｓ ｐｒｏｐａｇａｔｉｎｇ ｗｉｔｈ ｃｕｒｖａｔｕｒｅ ｄｅ－ ｐｅｎｄｅｎｔ ｓｐｅｅｄ：ａｌｇｏｒｉｔｈｍｓ ｂａｓｅｄ ｏｎ Ｈａｍｉｌｔｏｎ－Ｊａｅｏｂｉ ｆｏｒｍｕｌａｔｉｏｎ ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＣｏｍｐｕｔｅｒＰｈｙｓｉｃｓ，１９８８，７９（１）：１２—４９ Ｌｉ Ｃｈｕｎｍｉｎｇ，Ｘｕ Ｃ Ｙ，Ｇｕｉ Ｃ Ｆ，ｅｔ ａ１．Ｌｅｖｅｌ Ｓｅｔ Ｅｖｏｌｕｔｉｏｎ Ｗｉｔｈ— ｏｕｔ Ｒｅ＿ｉｎｉｔｉａｌｉｚａｔｉｏｎ：Ａ Ｎｅｗ Ｖａｒｉａｔｉｏｎａｌ Ｆｏｒｍｕｌａｔｉｏｎ［Ｃ］∥ＩＥＥＥ ｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ ＶｉＣｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ－２００５ 行人体运动跟踪；同时利用曲线演化理论中的水平集方法进 行运动人体轮廓的精确提取，其较强的拓扑自适应性较好地 解决了参数化主动轮廓模型中弱边缘的问题，提取结果达到 Ｊｏｓｈｉ Ｎ，Ｂｒａｄｙ￣Ｌ Ｎｏｎ－ｐａｒａｍｅｔｉｃｒ ｍｉｘｔｕｒｅ ｍｏｄｅｌ ｂａｓｅｄ ｅｖｏｌｕ— ｔｉｏｎ ｏｆ ｌｅｖｅｌ ｓｅｔｓ［ｅｌ ｆ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｉｇ ｎｔ Ｔｈｅｏｒｙ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ，ＩＣＣＴＡ ２００７ 了轮廓级，同时反馈到跟踪模型中，实现了检测与跟踪的交 互，构成了有效跟踪的稳定体系。 Ｓｉｌｖｅｉｒａ Ｍ，Ｍａｒｑｕｅｓ Ｊ Ｓ Ｌｅｖｅｌ Ｓｅｔ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｄｅｒｍｏｓｃｏｐｙ Ｉｍａｇｅｓ［Ｃ］ｆ｛ＩＥＥＥ ｉｎｔｅｎａｔｒｉｏｎａｌ ｓｙｍｐｏｓｉｕｍ ｏｎ ｂｉｏｍｅｄｉｃａｌ ｉｎｌｅｔ－ 参考文献 ｇｅ，ＩｓＢ【．２００８：１７３－１７６ ［１］ＦｏｒｅｓｔｉＧＬ，Ｍｆｉｈ６ｎｅｎＰ，ＲｅｇａｚｚｏｎｉＣＳ，ｅｔａＬ ＭｕｌｔｉｍｅｄｉａＶｉｄｅｏ— ［９］Ｆｌｅｎｎｅｒ Ａ Ｆｉｎｄｉｎｇ Ｅｄｇｅ Ｆｅａｔｕｒｅｓ Ｕｓｉｎｇ ｔｈｅ Ｆａｓｔ Ｌｅｖｅｌ Ｓｅｔ Ｔｒａｎｓｆｏｒｍ ａｎｄ ｔｈｅ Ｈｅｌｍｈｏｌｔｚ Ｐｒｉｎｃｉｐｌｅ［Ｃ］｝ Ｓｏｕｔｈｗｅｓｔ Ｓｙｍｐｏ— Ｂａｓｅｄ Ｓｕｒｖｅｉｌｌａｎｃｅ Ｓｙｓｔｅｍｓ：Ｒｅｑｕｉｒｅｍｅｎｔｓ，Ｉｓｓｕｅｓ ａｎｄ Ｓｏｌｕｔｉｏｎｓ ｓｌｕｍ ｏｎ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ＆Ｉｎｔｅｒｐｒｅｔａｔｉｏｎ，ＳＳＩＡＩ．２００８：９－１２ ［Ｍ］．Ｎｏｒｗｅｌｌ，ＭＡ：Ｋｌｕｗｅｒ Ａｃａｄｅｍｉｃ Ｐｕｂｌｉｓｈｅｒｓ，２０００ ［２］Ｒｏｍａｎｏ Ｒ，Ｌｅｅ Ｌ，Ｓｔｅｉｎ Ｇ．Ｍｏｎｉｔｏｒｉｎｇ ａｃｔｉｖｉｔｉｅｓ ｆｒｏｍ ｍｕｌｔｉｐｌｅ ［１０３ Ｉｓａｒｄ Ｍ，Ｂｌａｋｅ八Ｃｏｎｄｅｎｓａｔｉｏｎ－ｃｏｎｄｉｔｉｏｎａｌ ｄｅｎｓｉｔｙ ｐｒｏｐａｇａｔｉｏｎ ｖｉｄｅｏ ｓｔｒｅａｍｓ：Ｅｓｔａｂｌｉｓｈｉｎｇ ａ ｃｏｒｎｎｌｏｎ ｃｏｏｒｄｉｎａｔｅ ｆｒａｍｅ［Ｊ］． ｆｏｒ ｖｉｓｕａｌ ｔｒａｃｋｉｎｇ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｖｉ— ｓｉｏｎ，１９９６，２８（１）：５－２８ ＩＥＥＥ Ｔｒａｎｓ．ｏｎ ＰＡＭＩ，２０００，２２（８）：７５８—７６８ ［３］Ｓｐｉｒｉｔｏ Ｍ，Ｒｅｇａｚｚｏｎｉ Ｃ Ｓ，Ｍａｒｃｅｎａｒｏ Ｌ Ａｕｔｏｍａｔｉｃ ｄｅｔｅｃｔｉｏｎ ｏｆ ［１１３ Ｐａｎ Ｐ。Ｓｃｈｏｎｆｅｌｄ ｎ Ｄｙｎａｍｉｃ Ｐｒｏｐｏｓａｌ Ｖａｒｉａｎｃｅ ａｎｄ Ｏｐｔｉｍａｌ ｄａｎｇｅｒｏｕｓ—Ｐａｒｔｉｃｌｅ Ａｌｌｏｃａｔｉｏｎ ｉｎ Ｐａｒｔｉｃｌｅ Ｆｉｌｔｅｒｉｎｇ ｆｏｒ Ｖｉｄｅｏ Ｔｒａｃｋｉｇｎ［Ｊ］． ］ ｅｖｅｎｔｓ ］ｆｏｒ ｕｎｄｅｒｇｒｏｕｎｄ ｓｕｒ ］ ｖｅｉ１ｌａｎｃｅ［Ｃ］∥ＩＥＥＥ Ｃｏｎ— ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｃｉｒｃｕｉｔｓ ａｎｄ Ｓｙｓｔｅｍｓ ｆｏｒ Ｖｉｄｅｏ Ｔｅｃｈｎｏ－ ｆｅｒｅｎｃｅ ｏｎ Ａｄｖａｎｃｅｄ Ｖｉｄｅｏ ａｎｄ Ｓｉｇｎａｌ ａＢｓｅｄ Ｓｕｒｖｅｉｌｌａｎｃｅ．２００５： ｌｏｇｙ，２００８，１８（９）：１２６８—１２７９ １９５－２００ ［４］Ｈｕ Ｗ，Ｔａｎ Ｔ，Ｗａｎｇ Ｌ，ｅｔ ａ１．Ａ ｓｕｒｖｅｙ ｏｎ ｉｖｓｕａｌ ｓｕｒｖｅｉｌｌａｎｃｅ ｏｆ ［１２］Ａｎｇｅｌｏｖａ Ｄ，Ｍｉｈａｙｌｏｖａ Ｌ．Ｅｘｔｅｎｄｅｄ Ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ Ｕｓｉｇｎ ｏｂｊｅｃｔ ｍｏｔｉｏｎ ａｎｄ ｂｅｈａｖｉｏｒｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｓｙｓｔｅｍｓ， Ｍｏｎｔｅ Ｃａｒｌｏ Ｍｅｔｈｏｄｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．ｏｎ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ， Ｍａｎ，ａｎｄ Ｃｙｂｅｒｎｅｔｉｃｓ－ＰＡＲＴ Ｃ：Ａｐｐｌｉｃａｔｉｏｎｓ ａｎｄ Ｒｅｖｉｅｗｓ， ２００８，５６（２）：８２５—８３２ （上接第２６４页） ［４３ Ｚａｒｉｔ Ｂ Ｄ，Ｓｕｐｅｒ Ｂ Ｊ，ｑｕｅｋ Ｆ Ｋ Ｈ．Ｃｏｍｐａｒｉｓｏｎ ｏｆ Ｆｉｖｅ Ｃｏｌｏｒ 结束语本文算法综合了肤色样本和非肤色样本在颜色 Ｍｏｄｅｌｓ ｉｎ Ｓｋｉｎ Ｐｉｘｅｌ Ｃｌａｓｓ－ｆｉｃａｔｉ０ｎ［ｃ］／／ＲＡＴＦＧ－ＲＴＳ’９９ 空间的分布，利用高斯模型进行概率分布拟合，查找表记录了 ［５］ Ｔｅｒｒｉｌｌｏｎ Ｊ Ｃ，Ｓｈｉｒａｚｉ Ｍ Ｎ。Ｆｕｋａｍａｃｈｉ Ｈ，ｅｔ ａ１．Ｃｏｍｐａｒａｔｉｖｅ 不同色度坐标位置上正负样本沿亮度分量的概率密度分布的 ｐｅｒ｛ｏｒｍａｎｅｅ ｏｆ ｄｉｆｆｅｒｅｎｔ ｓｋｉｎ ｅｈｒｏｍｉｎａｎｃｅ ｍｏｄｅｌｓ ａｎｄ ｃｈｒｏｍｉ 参数；检测策略采用Ｂａｙｅｓ决策理论。算法考虑了来自正负 ｎａｎｃｅ ｓｐａｃｅｓ ｆｏｒ ｔｈｅ ａｕｔｏｍａｔｉｃ ｄｅｔｅｃｔｉｏｎ ｏｆ ｈｕｍａｎ ｆａｃｅｓ ｉｎ ｃｏｌｏｒ 样本对肤色检测的不同影响，通过建立亮度方向高斯分布模 ｉｍａｇｅｓ［Ｃ］／／Ｐｒｏｃ．ｏｆ ｔｈｅ Ｉｎｔｅｎｒａｔｉｏｎａｌ ｏＣｎｆｅｒｅｎｃｅ ｏｎ Ｆａｃｅ ａｎｄ 型，将亮度信息引入，改进仅仅依赖色度信息划分的不足，尽 Ｇｅｓｔｕｒｅ Ｒｅｃｏｇｎｉｔｉｏｎ．２０００：５４—６１ 可能多地保留样本在色度和亮度上的分布信息，使得对样本 ［６］ Ｐｈｕｎｇ Ｓ Ｌ，Ｂｏｕｚｅｒｄｏｕｍ Ａ．Ｃｈａｉ ｎ Ａ ｎｏｖｅｌ ｓｋｉｎ ｃｏｌｏｒ ｍｏｄｅｌ ｉｎ 分布的刻画更细致，减少了正负样本的重叠程度；计算上，利 ｙｃｂｃｒ ｃｏｌｏｒ ｓｐａｃｅ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ ｔｏ ｈｕｍａｎ ｆａｃｅ ｄｅｔｅｃｔｉｏｎ￣Ｃ］ｆ｝ 用了查找表的速度优势，为减少查找表的存储成本，查找表是 ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ（ＩＣＩＰ’ ２维的，每个元素存储高斯模型的权值、均值和方差等参数而 ２００２）．ｖｏ１．１，２００２：２８９—２９２ 不是ＳＰＭ模型中存储归一化的肤色点频率的３维查找表，而 ［７３ Ｂｒａｎｄ Ｊ，Ｍａｓｏｎ Ｊ．Ａ ｃｏｍｐａｒａｔｉｖｅ ａｓｓｅｓｓｍｅｎｔ ｏｆ ｔｈｒｅｅ ａｐｐｒｏａｃｈｅｓ 且通过概率分布可以轻易进行内插和数据归纳。实验对比显 ｔｏ ｐｉｘｅｌ—ｌｅｖｅｌ ｈｕｍａｎ ｓｋｉｎ—ｄｅｔｅｃｔｉｏｎ［Ｃ］ ｆ Ｐｒｏｃ．ｏｆ ｔｈｅ Ｉｎｔｅｒｎａ— ｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ．ｖｏ１．１：１０５６—１０５９ 示，提出的基于参数的查找表有很强的鲁棒性和较高的检测 Ｐｈｕｎｇ 率。 ［８］ Ｓ Ｌ，Ｂｏｕｚｅｒｄｏｕｍ Ａ，Ｃｈａｉ ｎ Ｓｋｉｎ ｓｅｇｍｅｎｔａｔｉｏｎ ｕｓｉｇｎ ｃｏ－ ｌｏｒ ｐｉｘｅｌ ｃｌａｓｓｉｆｉｃａｔｉｏｎ：Ａｎａｌｙｓｉｓ ａｎｄ ｃｏｍｐａｒｉｓｏｎ［Ｊ］．ＩＥＥＥ Ｔｒａｎ－ 参考文献 ｓａｃｔｉｏｎｓ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２００５，２７ （１）：１４９—１５４ ［１］Ｋａｋｕｍａｎｕ Ｐ，Ｍａｋｒｏｇｉａｎｎｉｓ Ｓ，Ｂｏｕｒｂａｋｉｓ Ｎ．Ａ ｓｕｒｖｅｙ ｏｆ ｓｋｉｎ－ ［９］ Ｓｔｒｒｒｉｎｇ Ｍ ｏＣｍｐｕｔｅｒ ｖｉｓｉｏｎ ａｎｄ ｈｕｍａｎ ｓｋｉｎ ｃｏｌｏｕｒ［Ｄ］．Ｃｏｍ— ｃｏｌｏｒ ｍｏｄｅｌｉｎｇ ａｎｄ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｐａｔｔｅｒｎ ｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｍｅｄｉａ Ｔｅｃｈｎｏｌｏｇｙ Ｌａｂｏｒａｔｏｒｙ，Ａａｌｂｏｒｇ Ｕｎｉ— Ｒｅｃｏｇｎｉｔｉｏｎ，２００７，４０（３）：１１０６—１１２２ ｖｅｒｓｉｔｙ，Ｄｅｎｍａｒｋ，２００４．ｈｔｔｐ：／／ｗｗｗ．ｃｖｍｔ．ｄｋ／～ｍｓｔ ［２］Ｉｈａｂ Ｚａｑｏｕｔ Ｒｏｚｉａｔｉ Ｚａｉｎｕｄｄｉｎ Ｓａｐｉａｎ Ｂａｂａ．Ａ Ｓｕｒｖｅｙ ｏｎ Ｐｉｘｅｌ— ［ｉ０３ Ｌｅｅ Ｊ Ｙ，Ｙｏｏ Ｓ Ｉ．Ａｎ ｅｌｌｉｐｔｉｃａｌ ｂｏｕｎｄａｒｙ ｍｏｄｅｌ ｆｏｒ ｓｋｉｎ ｃｏｌｏｒ ｄｅ— Ｂａｓｅｄ Ｓｋｉｎ ｏＣｌｏｒ Ｄｅｔｅｃｔｉｏｎ Ｔｅｃｈｎｉｑｕｅｓ［Ｊ］．ＩＥＥＥ Ｔｒａｎｓ．Ｍａ— ｔｅｃｔｉｏｎ［Ｃ］｝ Ｐｒｏｃ．ｏｆ ｔｈｅ Ｉｎｔｅｒｎａｔｉｏｎａｌ ｏＣｎｆｅｒｅｎｃｅ ｏｎ Ｉｍａｇｉｇｎ ｃｈｉｎｅ Ｇｒａｐｈｉｃｓ＆Ｖｉｓｉｏｎ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ，２００５，１４（１） Ｓｃｉｅｎｃｅ，Ｓｙｓｔｅｍｓ，ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ．Ｌａｓ Ｖｅｇａｓ，ＵＳＡ，２００２：５７９— ［３］陈锻生，刘政凯．肤色检测技术综述［Ｊ］．计算机学报，２００６，２９ ５８４ （２） ・２７４・ ］
