基于双权值颜色直方图的工作服检测与跟踪

王　振，金　永，王召巴，陈友兴

(中北大学　电子测试技术国家重点实验室，山西　太原　030051)



基于双权值颜色直方图的工作服检测与跟踪

王振，金永，王召巴，陈友兴

(中北大学电子测试技术国家重点实验室，山西太原030051)

摘要:为保障工人的安全，对工人是否穿着工作服进行检测与跟踪具有重要意义。针对均值漂移算法中颜色直方图对工作服特征描述不准确、固定核窗宽不能对尺寸逐渐增大的目标进行有效跟踪两方面问题，提出一种基于目标像素中心加权与背景颜色削弱权值的双权值颜色直方图建模法，建立颜色特征突出的工作服模型，并结合工作服两种显著颜色的质心距离变化，在跟踪中调节核窗宽的大小。实验结果表明，提出的方法能够快速准确地检测和跟踪工作服。

关键词:均值漂移；颜色直方图；核窗宽；检测跟踪

随着科技进步，诸如化工、建筑、医药等特殊行业，工作服已经成为工作人员的一道安全保障。为了监督工作人员在工作区域内是否穿着工作服，保证安全生产，保障生命安全，对区域内的工作人员进行检测跟踪具有一定的实际意义，为搭建智能监控平台提供理论基础。

均值漂移[1](Mean-Shift)作为一种高效的模式匹配算法，Comaniciu等人[2]已成功将其应用到目标跟踪领域。在该算法中，目标首先通过颜色直方图建模，在固定核窗宽范围内寻找与初始模型相匹配的颜色直方图即为跟踪目标。然而，传统颜色直方图建模仅仅对目标区域内的颜色信息进行统计，缺乏考虑像素点对目标模型的贡献权重，而且工作场所的复杂性容易使传统颜色直方图模型受到背景环境的影响，使得建立的模型不能准确地描述工人工作服的特征，导致跟踪匹配时出现偏差[3-4]。由于经典Mean Shift算法采用固定的核窗宽，对于尺寸发生变化的目标，尤其是尺寸增大的情况，常常会出现目标跟踪丢失的情况[5]。针对上述问题，许多研究者就目标建模[4，6]、尺度变化[5，7]等方面提出了许多基于Mean-Shift算法的改进方案，但改进的方案算法复杂，实时性得不到保障，在工程应用中的可靠性大大降低。

为了克服上述不足，本文根据工作服颜色相对单一且颜色空间分布结构相对固定的特点，在目标颜色直方图建模时引入基于目标像素中心的加权与背景颜色削弱权值双权值法，增强对工作服颜色信息描述的准确性，并通过目标的主体颜色像素质心距离的变化，自适应地调节跟踪的核窗宽大小。

1颜色直方图建模

1.1基于目标像素中心加权

颜色直方图以离散的方式对目标区域内的像素点的颜色值进行统计，并用一维矩阵的形式反映该区域各种颜色的分布情况。设所选目标区域用R(x)表示，{xi}i=1,…,m为目标区域R(x)的点集，x0为目标中心，则该目标颜色直方图可表示为

(1)其中：C为归一化系数；δ为Kronecker delta函数；b(u)∈{1,2,…,N}为像素点x处的颜色量化值，N为颜色量化的最大值；u∈{1,2,…,N}为直方图横坐标取值。

然而，为了将目标完全包含在目标区域中，就不可避免地在目标模型中包含背景像素。本文沿用Comaniciu等人的核函数思想，依据像素点与目标中心的距离赋予每个像素点不同的权值，距离越小权值越大。这种加权目标颜色直方图为

(2)

其中，k(·)为单调递减的核函数；h为核窗宽，即目标区域半径。这种方法虽然减小了背景的干扰，但由于只考虑包含在目标区域内背景的影响，并没有减轻目标对象所处环境对目标的影响。为此，本文引入背景颜色削弱权值。

1.2背景颜色削弱权值

分别计算前景与背景区域的颜色直方图：

前景直方图

(3)

背景直方图

(4)

本文定义背景颜色削弱权值

(5)

显然ω(u)∈[0,1]。该削弱权值将目标区域中属于背景的颜色按其所占比例赋予不同权值，对只属于背景的颜色的权值赋予0，而只属于前景的颜色赋予1，该权值在削弱背景环境对建模带来的影响的同时，也增强了目标特有颜色的可靠性。

经过上述对目标的双权值颜色直方图建模，像素点在颜色直方图中的统计权重被二次削弱或增强，目标与背景的差异性更见明显。中心在x0处的目标被重新定义为

(6)

对图1中的目标进行颜色直方图建模，本文选取RGB颜色空间，将R、G、B等间隔量化为8×8×8，利用RGB()函数：RGB=256×R+16×G+B把三维颜色空间转化为一维共1 912 bin，分别计算目标的传统颜色直方图与本文提出的双权值颜色直方图，结果如图2所示。

对比图2a与图2b可以看出，改进后的双权值颜色直方图对原点附近的颜色有了明显增大，而在2 000 bin附近的颜色已被完全消除。为更直观地对比改进前后的变化，将传统颜色直方图与双权值直方图分别对原图进行反投影，如图3所示，可以看出背景中出现的白色光(2 000 bin附近)被削弱，而目标的固有颜色(原点附近)则被增强，目标被更好地凸显出来。

2核窗宽自适应的Mean-Shift算法

文献[2]中详细介绍了Mean-Shift算法的基本原理，本文在此基础上，经过对目标颜色直方图的改进，目标的均值漂移向量Mh(x)变为

(7)

(8)其中：y0为候选目标模型中心；函数g(·)为核函数k(·)的导函数；Qu与Pu(y0)分别为目标与候选目标的颜色直方图模型；ω(u)为本文提出的背景颜色削弱权值。

经典Mean-Shift算法的核窗宽h在整个算法的迭代中是固定不变的。Collins[7]曾指出，当目标尺寸大于核窗宽时，采用固定的核窗宽会使目标的尺度和空间定位产生偏差，导致在长期跟踪中目标丢失。本文考虑到工作服颜色相对单一且颜色空间分布结构相对固定的特点，将像素的坐标信息融入到算法中，依据目标主体颜色信息自适应调节核窗宽大小。

对于目标中的同一种颜色，本文定义其像素质心μi=(xi,yi)为

(9)

(10)

对于实际中常见的平移运动，在没有遮挡的情况下，工作服可靠颜色的空间结构相对固定，颜色质心距离与核窗宽的比近似保持不变，即当目标尺寸变化时，颜色质心距离也相应变化，如图4所示。

因此，在进行Mean-Shift向量迭代前，首先计算该帧图像中所选可靠颜色的质心距离d，由质心距离与核窗宽比例近似相等，调整跟踪核窗宽大小，即

(11)

3试验结果

为验证所提算法的鲁棒性与有效性，本文对一组在建筑工地采集的视频序列进行测试，并同经典的Mean-Shift算法进行比较。视频中工人衣服颜色与地面颜色相近，背景干扰颜色较多，目标的尺寸逐渐变大。跟踪初始手动选择建筑工人作为目标，所选目标框含有大量背景信息。图5a为经典Mean-Shift算法的跟踪效果，图5b为本文提出的改进算法的跟踪效果。

通过对比可以看出，在55帧之前，目标尺寸变化不明显，经典Mean-Shift算法依然可以跟踪到目标，但跟踪框已有偏离目标的趋势；当目标尺寸逐渐变大时，经典的跟踪算法由于核窗宽固定，跟踪到的目标逐渐偏离目标主体，继续跟踪容易导致目标丢失，而采用本文算法进行跟踪时，跟踪窗口能够准确地定位目标，达到了目标跟踪的效果。

4结束语

经典Mean-Shift算法在对工作服进行跟踪时容易出现跟踪失败，本文根据工作服的颜色特点，从目标建模与改变核窗宽两方面进行了改进，提出双权值目标颜色直方图建模法，综合考虑了目标前景的像素分布信息与目标背景干扰信息，建立的模型更加突出目标的颜色特征，削弱了背景颜色对目标的影响。此外利用工作服主体颜色质心距离的变化对核窗宽大小进行调节，算法简单，实时性较好，有效地解决了跟踪过程中出现的目标尺寸变化问题。然而，本文算法并未针对目标遮挡的情况进行讨论，更具有普遍应用的建模方法与窗口自适应算法将是下一步研究的重点。

参考文献：

[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，陈分雄，郭红想.偏移校正的核空间直方图目标跟踪[J].自动化学报，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]彭宁嵩，杨杰，刘志，等．Mean-Shift跟踪算法中核函数窗宽的自动选取[J].软件学报，2005，16(9)：1542-1550.

[6]王中杰，张志恒.基于粒子滤波的视频图像目标遮挡算法研究[J].电视技术，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.

责任编辑：闫雯雯

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.

中图分类号：TP391.41

文献标志码：A

DOI：10.16280/j.videoe.2016.01.026

基金项目：国家自然科学基金项目(61201412)

收稿日期：2015-07-19

文献引用格式：王振，金永，王召巴，等.基于双权值颜色直方图的工作服检测与跟踪[J].电视技术，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.