[發明專利]一種局部特征與詞袋模型相結合的剛體目標跟蹤方法

在審

• 申請號: 201710058219.0
• 申請日: 2017-01-23
• 公開（公告）號: CN106897721A
• 公開（公告）日: 2017-06-27
• 發明（設計）人: 苗權;王貴錦;吳昊;李晗;徐明宇;李銳光;程光
• 申請（專利權）人: 國家計算機網絡與信息安全管理中心
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/46;G06K9/62
• 代理公司: 北京君尚知識產權代理事務所(普通合伙)11200
• 代理人: 邱曉鋒

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種局部特征與詞袋模型相結合的剛體目標跟蹤方法。

背景技術

剛體目標表面任意一點的運動都可以代表整體的運動，使得利用目標區域內的特征來描述目標運動成為可能。已有的剛體目標跟蹤方法致力于提取參考圖像目標區域內具有不變性的某些特征，并對提取的特征進行量化和描述，如顏色特征、紋理特征、光流特征。局部特征是指在圖像區域內檢測到的局部具有不變性、可重現性和特異性的特征，能夠在一定程度上抵抗遮擋、尺度、旋轉等復雜變化，并提供對特征的定量描述。目前，相比其他特征，局部特征在不變性和特異性方面優勢愈發明顯，使其更加深入的應用在目標跟蹤中。在當前幀到來時，首先對整個區域提取局部特征并描述。進而，通過局部特征的匹配找到同上一目標內局部特征的候選對應集。借助隨機采樣一致性算法(RANSAC)，去除不正確的對應特征集，估計出運動變換參數，實現目標跟蹤。圖1給出了基于特征的跟蹤方法框圖，其主要思路在于將跟蹤看成是局部特征匹配問題。

目前，SURF(Speed-up Robust Feature，加速魯棒特征)特征是應用較多且效果較為理想的局部特征之一，主要引入積分圖像快速算法，并通過執行加減法運算近似得到高斯二階微分的響應值。SURF算法主要包括特征檢測和特征描述兩方面。特征檢測通過快速計算每個特征的尺度和主方向，并且圈定以檢測點為中心的尺度旋轉不變對稱鄰域；特征描述在該不變性鄰域內進行Haar特征計算，并最終形成64維特征向量。不同圖像之間的SURF特征匹配主要是通過比較特征向量之間的距離實現的。

運動模型構建是通過SURF特征匹配完成的。假設x和分別代表不同圖像之間的對應SURF特征點，則二者之間有如下的關系：

其中，W(x,h)是透視變換函數，h＝(h₁,...h₈)^T是運動參數。具體表示如下：

得出運動參數后，將初始幀的目標區域邊界進行相應的透視變換，得到當前幀的目標區域。

視頻中常見的復雜場景變化主要包括以下3種：

(1)幾何變化。在視頻的感興趣區域內，物體的自身軸轉，會引起視角發生變化；物體發生旋轉或攝像機存在轉動時，視覺中就會產生旋轉變化；當場景和攝像機之間的相對距離發生變化時，場景中就會產生尺度變化；當上述的變化同時發生時，就會產生仿射或者透視變化。圖2給出了幾何變化的示例。

(2)灰度變化。當光源或者拍攝物體表面反射條件發生變化時，會引起光照的變化，相關的圖像區域灰度也會相應變化，對特征匹配造成影響。此外，當感興趣區域被其他物體遮擋時，陰影區域也會產生灰度變化。

(3)其他變化。當物體突然快速運動或攝像機劇烈抖動時，場景會出現模糊現象，會影響特征檢測和描述。此外，在區分目標和背景的視頻中，如果背景中包含與目標相似的區域，也會影響特征的匹配。

在視頻中，場景經常會出現以上的一種或多種變化，對局部特征的匹配造成了嚴重的干擾。現有技術沿用和靜態圖像相同的局部特征匹配方法，無法適應發生劇烈變化的場景，也沒有體現與場景連續性變化相對應的自適應性。

發明內容

視頻序列中，場景經常會出現復雜變化，如尺度、旋轉、光照、遮擋等，對剛體目標跟蹤提出了挑戰，通過什么策略能夠對目標區域的局部特征實現準確的描述和匹配，進而保證目標跟蹤效果的魯棒性、穩定性，是本發明要解決的技術問題。

本發明采用的技術方案如下：

一種局部特征與詞袋模型相結合的剛體目標跟蹤方法，包括以下步驟：

1)在初始圖像中選定感興趣的目標區域，并在目標區域檢測SURF特征；

2)為SURF特征構建分類器，其中每個強分類器對應一個SURF特征，每個強分類器包括若干弱分類器；

3)將詞袋模型與局部特征結合，對每個SURF特征點用視覺單詞來表達，形成2維尺度旋轉不變空間；

4)在當前圖像到來時，基于SURF特征實現分類器的自適應匹配，并使用2維尺度旋轉不變空間內的視覺單詞進行協同匹配，形成匹配點對；

5)根據得到的匹配點對計算得出運動參數，從而確定當前圖像的目標區域，實現目標跟蹤。

進一步地，還包括在線更新步驟：在對目標區域完成定位后，對目標模型進行自適應更新，以便于后續幀的處理。