[發(fā)明專(zhuān)利]基于最近鄰分類(lèi)器和均值漂移的目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210414788.1
• 申請(qǐng)日: 2012-10-25
• 公開(kāi)（公告）號(hào): CN102999920A
• 公開(kāi)（公告）日: 2013-03-27
• 發(fā)明（設(shè)計(jì)）人: 田小林;焦李成;劉朵;張小華;緱水平;朱虎明;鐘樺;馬文萍
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06T7/20
• 分類(lèi)號(hào): G06T7/20
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心 61205
• 代理人: 王品華;朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及視頻目標(biāo)跟蹤方法，可應(yīng)用于智能監(jiān)控、目標(biāo)跟蹤和人機(jī)界面。

背景技術(shù)

序列圖像的目標(biāo)跟蹤是圖像處理技術(shù)應(yīng)用的重要組成部分，它是指通過(guò)對(duì)輸入的的視頻圖像序列進(jìn)行分析，確定各幀中目標(biāo)所在的位置，獲得相關(guān)的參數(shù)。目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)中關(guān)鍵技術(shù)之一，其融合了圖像處理、模式識(shí)別和人工智能等領(lǐng)域，在機(jī)器人視覺(jué)導(dǎo)航、安全監(jiān)測(cè)、交通管制、視頻壓縮以及氣象分析等許多方面都有廣泛應(yīng)用。如軍事方面，已被成功地應(yīng)用于武器的成像制導(dǎo)、軍事偵察和監(jiān)視等。民用方面，如視覺(jué)監(jiān)控，已被廣泛地應(yīng)用于社會(huì)生活的各方面。目標(biāo)跟蹤可應(yīng)用于社區(qū)和重要設(shè)施的保安監(jiān)控；用于智能交通系統(tǒng)中進(jìn)行車(chē)輛的實(shí)時(shí)追蹤，可以得到車(chē)流量、車(chē)型、車(chē)速、車(chē)流密度等等許多有價(jià)值的交通流參數(shù)，同時(shí)還可以檢測(cè)事故或故障等突發(fā)狀況。

廣州靈視信息科技有限公司提出的專(zhuān)利申請(qǐng)“一種基于圖像塊特征的目標(biāo)跟蹤方法及跟蹤系統(tǒng)”(專(zhuān)利申請(qǐng)?zhí)朇N201110267278.1，公開(kāi)號(hào)CN102324030A)公開(kāi)了一種基于圖像塊特征的目標(biāo)跟蹤方法及跟蹤系統(tǒng)。該跟蹤方法包括：根據(jù)基準(zhǔn)目標(biāo)圖像塊和背景圖像塊的特征建立基準(zhǔn)目標(biāo)模板，將待跟蹤目標(biāo)的特征與基準(zhǔn)目標(biāo)圖像塊的特征進(jìn)行相似度比較，根據(jù)相似度比較結(jié)果確定待跟蹤目標(biāo)的位置。該方法雖然對(duì)正常運(yùn)動(dòng)情況下的目標(biāo)有一定的跟蹤效果，但是仍然存在的不足是：當(dāng)目標(biāo)出現(xiàn)遮擋或者快速變化這些相對(duì)多變的運(yùn)動(dòng)時(shí)，會(huì)導(dǎo)致跟蹤的失敗。

上海大學(xué)提出的專(zhuān)利申請(qǐng)“一種復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)跟蹤方法”(專(zhuān)利申請(qǐng)?zhí)朇N201110043782.3，公開(kāi)號(hào)CN102110296A)，公開(kāi)了一種復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)跟蹤方法。本方法包括：對(duì)指定的圖像區(qū)域采用背景加權(quán)的方法統(tǒng)計(jì)直方圖，在跟蹤過(guò)程中對(duì)每幀圖像利用貝葉斯公式建立背景的更新顏色概率分布圖,實(shí)時(shí)地更新搜索區(qū)域內(nèi)的目標(biāo)顏色概率,對(duì)適應(yīng)背景的更的顏色概率分布圖利用Camshift算法迭代出質(zhì)心位置。該方法雖然能夠在復(fù)雜場(chǎng)景下對(duì)目標(biāo)進(jìn)行較準(zhǔn)確的跟蹤，但當(dāng)運(yùn)動(dòng)目標(biāo)發(fā)生遮擋，跟蹤就會(huì)發(fā)生漂移且無(wú)法恢復(fù)正常，導(dǎo)致跟蹤失敗。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于最近鄰分類(lèi)器和均值漂移的目標(biāo)跟蹤方法，以提高目標(biāo)跟蹤對(duì)目標(biāo)發(fā)生遮擋和運(yùn)動(dòng)快速變化的魯棒性。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案是：在第一幀標(biāo)記出待跟蹤目標(biāo)，并初始化前景和背景模型，將特征匹配和均值漂移meanshift算法的跟蹤進(jìn)行決策級(jí)的融合作為最終的跟蹤結(jié)果，同時(shí)通過(guò)引入的遮擋判定思想，當(dāng)目標(biāo)發(fā)生遮擋時(shí)對(duì)目標(biāo)模型不更新，提高目標(biāo)模板更新的準(zhǔn)確性，以完成目標(biāo)的正確跟蹤。具體步驟包括如下：

(1)輸入一段視頻中的第一幀，并用矩形框標(biāo)記出待跟蹤目標(biāo)，分別用g和h表示該矩形框的長(zhǎng)和寬；

(2)模型初始化：

2a)提取步驟(1)中視頻第一幀的尺度不變sift特征，并用待跟蹤目標(biāo)的尺度不變sift特征初始化為目標(biāo)模型，并計(jì)算該目標(biāo)模型的顏色直方圖，用第一幀中其余的尺度不變sift特征初始化為背景模型；

2b)用步驟(1)中待跟蹤目標(biāo)的中心位置初始化均值漂移meanshift模型；

(3)確定新一幀視頻圖像中目標(biāo)搜索區(qū)域；

(4)提取步驟(3)中得到的目標(biāo)搜索區(qū)域內(nèi)的尺度不變sift特征，根據(jù)目標(biāo)搜索區(qū)域和上一幀的目標(biāo)跟蹤結(jié)果，通過(guò)均值漂移meanshift模型獲得當(dāng)前幀的目標(biāo)中心位置，得到一個(gè)面積為A的目標(biāo)框；

(5)利用最近鄰分類(lèi)器對(duì)步驟(4)中提取的尺度不變sift特征和步驟2a)得到的初始化目標(biāo)模型及背景模型進(jìn)行特征點(diǎn)匹配，得到一個(gè)面積為B的目標(biāo)框，其中成功匹配點(diǎn)的數(shù)目記為n；

(6)輸出當(dāng)前幀的目標(biāo)跟蹤結(jié)果：

6a)根據(jù)步驟(4)中得到的面積為A的目標(biāo)框和步驟(5)中得到的面積為B的目標(biāo)框，計(jì)算兩個(gè)目標(biāo)框的重疊面積C，得到面積重疊率P＝C/(A+B-C)；

6b)將面積重疊率P和成功匹配點(diǎn)的數(shù)目n分別與設(shè)定的閾值T和閾值N進(jìn)行比較，如果成功匹配點(diǎn)的數(shù)目n大于閾值N＝35，則將面積為B的目標(biāo)框作為當(dāng)前幀的目標(biāo)跟蹤結(jié)果輸出；如果n＜N,且面積重疊率P大于閾值T＝0.7，則將兩個(gè)目標(biāo)框?qū)?yīng)坐標(biāo)取均值作為當(dāng)前幀的目標(biāo)跟蹤結(jié)果輸出，否則將面積為A的目標(biāo)框作為當(dāng)前幀的目標(biāo)跟蹤結(jié)果輸出，并計(jì)算目標(biāo)跟蹤結(jié)果的顏色直方圖。

(7)判斷目標(biāo)是否被遮擋：

7a)根據(jù)步驟2a)得到的目標(biāo)模型的顏色直方圖和步驟(6)得到的目標(biāo)跟蹤結(jié)果的顏色直方圖得出遮擋因子Occ；