[發明專利]一種基于消亡彌留的保證多目標視頻跟蹤中的目標連續性的方法

無效

• 申請號: 201210472296.8
• 申請日: 2012-11-12
• 公開（公告）號: CN103810719A
• 公開（公告）日: 2014-05-21
• 發明（設計）人: 朱雋晨;徐偉棟;單文強
• 申請（專利權）人: 朱雋晨;徐偉棟;單文強
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種多目標視頻跟蹤技術，特別涉及一種可以保證多目標視頻跟蹤中的目標連續性的方法。?

背景技術

基于攝像頭的視頻監控與動作捕獲已經成為當前視頻處理領域的研發熱點，如何讓動態目標的識別結果更加準確和穩定是各種視頻跟蹤算法的共同目標。?

視頻跟蹤算法的關鍵就是對目標也就是前景物體的識別，這本質上是一個模式識別問題。但與單張圖片的目標識別不同，視頻存在多幀數據，幀間的數據差異成為檢測動態目標的首選信息。因此，幀間減影技術是幾乎所有視頻跟蹤算法都愿意采用的方法，通過不同幀之間圖像的相減，可以將畫面中處于低頻段的背景信息(因為其變化速度慢)剔除掉，只留下處于高頻段的前景信息(因為其變化速度快)。然后在前景信息中進行針對性的篩選，利用空域/頻域濾波或模板/特征匹配以及機器學習的方法，抑制不感興趣的信息，最后留下目標物體。為了提高識別的精度，很多算法會在最后利用機器學習(比如SVM或BP神經網絡)進行目標的篩選，剔除其中的假陽性目標。?

無論使用什么樣的視頻跟蹤算法，對其精度都可以用敏感性與特異性兩種指標來表征，敏感性表示被成功識別的真實目標數占總的真實物體數的比例，特異性表示被成功識別的真實目標數占被識別出來的總目標(里面包含了一定量的假陽性)數的比例。敏感性與特異性之間存在矛盾，即敏感性高時特異性會降低，反之亦然，所有跟蹤算法都要根據具體的場景與方案需要來調整這兩者之間的平衡點。無論是多么成熟的視頻跟蹤算法，都會產生漏檢或誤檢的情況。?

對于誤檢，由于往往出現在某幾幀中，而其前后的幀中不會出現，因此可以?用基于多幀的去噪技術將其抑制；而對于漏檢，一個動態目標在某幾幀中突然消失，對于視頻監控與動作捕獲就會產生跟蹤中斷、動作結束等，對于后續的處理就會產生負面影響。因此需要一種方法，來對某些幀中目標被漏檢的問題進行彌補：如果這些目標最后真的消失了，還是讓它消失；如果這些目標只是在那幾幀臨時漏檢一下，接下去又會出現，那么要把它當成從未消失過來處理。?

發明內容

本發明的目的是保證多目標視頻跟蹤中的目標連續性，防止由于少數幀中目標被漏檢而導致多目標跟蹤算法失效或誤跟蹤。?

為了實現上述目的，本發明提供了一種技術方案，主要包括以下步驟：?

(1)采用與當前機器視覺方案相稱的模式識別方法從視頻或攝像中提取目標。?

(2)對于任意新的一幀F(n+1)(n是幀序號)，取出其毗鄰的前一幀F(n)，然后?

a)對于幀F(n)中的每一個目標O_n(i)(0≤i＜N(n)，N(n)是幀F(n)的目標總數)，根據其位置P_n(i)、速度V_n(i)和加速度A_n(i)三個矢量與幀間隔時間TF(n)，預測其在幀F(n+1)中的可能位置?

b)然后對于幀F(n+1)中的每一個目標O_n+1(j)(0≤j＜N(n+1)，N(n+1)是幀F(n+1)的目標總數)，分別計算其P_n+1(j)與每一個?之間的歐式距離即?并根據D(i，j)取值最小的原則確定幀F(n)中的每一個目標O_n(i)到幀F(n+1)中的每一個目標O_n+1(j)的對應關系；如果多個不同的O_n(i)對應到了同一個O_n+1(j)，即產生了沖突，則將D(i，j)取值最小的設為對應，然后其他O_n(i)需要重新在剩下的O_n+1(j)中尋找D(i，j)最近的目標，以此逐項類推以調整所有沖突。建立對應關系后，計算O_n+1(j)的速度V_n+1(j)(V_n+1(j)＝(P_n+1(j)-P_n(i))/TF(n))和加速度A_n+1(j)?(A_n+1(j)＝(V_n+1(j)-V_n(i))/TF(n))。?