[發明專利]一種視頻目標跟蹤中的全遮擋處理方法

有效

• 申請號: 200710043465.5
• 申請日: 2007-07-05
• 公開（公告）號: CN101098461A
• 公開（公告）日: 2008-01-02
• 發明（設計）人: 潘吉彥;胡波;張建
• 申請（專利權）人: 復旦大學
• 主分類號: H04N7/18
• 分類號: H04N7/18;G06T7/20
• 代理公司: 上海正旦專利代理有限公司
• 代理人: 陸飛;盛志范

技術領域

本發明屬于計算機視覺與模式分析技術領域，具體涉及一種視頻目標跟蹤中的全遮擋處理方法。

背景技術

目標跟蹤在人機交互、自動監視、視頻檢索、交通監測以及車輛導航中有著廣泛的應用。目標跟蹤的任務是確定目標在視頻流各幀中的幾何狀態，包括位置、尺寸以及取向等。由于不限定被跟蹤目標的外觀，而且目標的外觀在跟蹤過程中可以變化，再加上復雜前景與背景的干擾，目標跟蹤方法面臨著諸多挑戰，是計算機視覺領域的研究熱點之一。

目標跟蹤方法可分為三類，一類是點跟蹤(point?tracking)^[1，2]，第二類是核跟蹤(kernel?tracking)^[3～7，10]，第三類是側影跟蹤(silhouette?tracking)^[8，9]。本發明提出的目標跟蹤方法屬于核跟蹤方法。該方法用外觀模型(亦即模板)來表征目標，目標在每一幀中的幾何信息通常用仿射變換參數來描述^[10]。

對于核跟蹤方法，最大的挑戰之一就是如何處理目標被遮擋這一問題^[3，5-7]。這一問題之所以難以解決是因為目標與遮擋物都可以是任意外觀，且遮擋時間也可以是任意的。遮擋可以分為兩種類型：部分遮擋與全遮擋。許多文獻^[3，5，11]都給出了解決部分遮擋的方案，但是未給出處理全遮擋的方法。

處理全遮擋的關鍵在于如何有效探測目標重新出現的時刻并及時再次捕獲目標。一個簡單的方法是設一個相似度閾值，一旦找到的圖像區域與模板之間的相似度超過這個閾值，則認為目標重新出現了。這個方法的問題在于相似度閾值很難確定，因為不同的跟蹤視頻流所需要的閾值差異很大。文獻[6]和[7]通過尋找在預先規定的時長里與模板最匹配的圖像區域規避了這個問題。然而，這個方法只能處理全遮擋時長小于其規定時長的情況。另外，如果遮擋物與目標外觀很相似，該方法會被干擾。

參考文獻

[1]C.Rasmussen，and?G.Hager.Probabilistic?data?association?methods?for?trackingcomplex?visual?objects.IEEE?Trans.on?Pattern?Analysis?and?Machine?Intelligence，23(6)：560-576，2001.

[2]C.Hue，J.L.Cadre，P.Prez.Sequential?Monte?Carlo?methods?for?multiple?targettracking?and?data?fusion.IEEE?Trans.on?Signal?Processing，50(2)：309-325，2002.

[3]A.D.Jepson，D.J.Fleet，and?T.F.EI-Maraghi.Robust?online?appearance?model?forvisual?tracking.IEEE.Trans.on?Pattern?Analysis?and?Machine?Intelligence，25(10)：1296-1311，2003.

[4]D.Comaniciu，V.Ramesh，and?P.Meer.Kernel-based?object?tracking，IEEETrans.on?Pattern?Analysis?and?Machine?Intelligence，25(5)：564-577，2003

[5]S.K.Zhou，R.Chellappa，and?B.Moghaddam.Visual?tracking?and?recognitionusing?appearance-adaptive?models?for?particle?filters.IEEE?Trans.on?ImageProcessing，13(11)：1491-1506，2004.

[6]H.T.Nguyen，M.Worring，and?R.van?den?Boomgaard.Occlusion?robust?adaptivetemplate?tracking.Proc.IEEE?Int’l?Conf.Computer?Vision，1：678-683，2001.