[發明專利]在線式視覺跟蹤方法

有效

• 申請號: 201210533131.7
• 申請日: 2012-12-11
• 公開（公告）號: CN103150572A
• 公開（公告）日: 2013-06-12
• 發明（設計）人: 楊田雨;李抱樸;胡超;孟慶虎
• 申請（專利權）人: 中國科學院深圳先進技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/20
• 代理公司: 深圳市科進知識產權代理事務所(普通合伙) 44316
• 代理人: 宋鷹武

【技術領域】

本發明涉及視覺跟蹤技術，具體涉及具有自適應性和重捕獲目標的在線式視覺跟蹤方法。

【背景技術】

視覺跟蹤是計算機視覺領域非常重要的一項研究，視覺跟蹤在監控、人機交互、車載導航、視訊索引等方面都有重要的應用。監控方面如刑偵監控，可應用到對監控錄像中可疑人員的跟蹤，從而協助辦案人員追蹤可疑人員的蹤跡；交通監控方面，視覺跟蹤實時跟蹤車輛的行駛方向，做出統計數據并給出實時的交通信息，合理管理交通狀況；人機交互方面，可以利用對人手的姿勢的跟蹤識別以及人眼的跟蹤來實現人與機器的信息交互；車載導航方面，視覺跟蹤主要應用在利用車載攝像頭實時跟蹤道路上的車輛的行駛狀況，對駕駛員的行駛做出輔助性的指示和幫助；同時，視覺跟蹤在視訊索引方面也有一定的應用，如對視頻中出現的目標進行自動標注等。

但是，視覺跟蹤仍有需要解決的問題，主要有以下幾個方面，首先是對特定目標的先驗知識的要求限制了跟蹤的應用范圍，傳統視覺跟蹤要求目標為某一特定類別，如行人、車輛等，而現在應用的需求是不僅僅限于上述某一特定類別，如在人際交互中，機器人對感興趣的目標的跟蹤，由于在機器人的視野中可能出現各種目標是無法預知目標的先驗知識，因此需要在線式學習的視覺跟蹤。其次，是由于光照、視角變化、形變、旋轉等引起的目標外觀的變化而造成跟蹤的漂移或是丟失。再次，是因遮擋造成的目標暫時性的消失而造成的跟蹤的失敗。

基于機器學習的跟蹤算法可以分為兩類：一類為生成模型類的跟蹤器(generative?tracker)，簡稱生成跟蹤器；另一類為判別模型類的跟蹤器(discriminative?tracker)，簡稱判別跟蹤器。生成跟蹤器是從統計的角度表示數據的分布情況，能夠反映同類數據本身的相似度，即通過輸入跟蹤目標的外觀樣本，訓練出一個能表示目標外觀模型，然后通過檢查圖像中和該模型相似度最高點區域以確定目標的位置，從而實現跟蹤。生成模型類的跟蹤器只關注目標外觀，不關心決策邊界在哪，因此容易產生錯誤判斷，而且學習和計算過程較為復雜。判別跟蹤器則既考慮目標的外觀(前景)，又考慮背景，并將前景和后景相結合，訓練分類器。判別模型類的跟蹤器通過尋找不同類別之間的最優分類面，反映的是異類數據之間的差異，即通過學習過程，找到一個決策邊界把目標和背景分離開來，其優點在于分類邊界更靈活，相比于使用純概率方法或生成模型類的跟蹤器更有區分性，能清晰的分辨出多類或某一類與其他類之間的差異特征；在目標外觀發生視角變化、部分遮擋、尺度改變時效果較好；且判別模型的性能比生成模型要簡單，較容易學習。判別模型類的跟蹤器也存在一定缺點：一是不能反映訓練數據本身的特性，即只能判斷是哪一類，不能把目標的外觀描述出來；二是缺少生成模型類的跟蹤器的優點，即先驗結構的不確定性。

目前，生成跟蹤器的算法已有人提出，其為特征值跟蹤方法。該方法基于特征空間表示的方法，認為目標的外觀由基本的特征向量構成正交基，通過線性組合的方法來近似還原出目標的外觀，因此，該方法需要用大量的訓練樣本訓練出上述的正交基，構成一個目標的外觀特征空間，然后判斷幀圖像中和此空間組成的目標外觀相似的區域的位置，從而實現跟蹤。該方法的優點在于不需要把目標所有可能出現的外觀狀態都表示出來，只需要把能產生目標外觀的各個外觀的特征向量基找出即可，故對適應目標外觀的變換有一定的優勢。但該方法由于屬于生成跟蹤器的算法，在訓練過程中未考慮背景的因素，導致在背景較復雜的場景中跟蹤效果并不理想。需說明的是，特征值跟蹤不是在線更新學習過程。類似算法的例子還有一種增量學習的在線式視覺(IVT)跟蹤算法，該方法基于特征值跟蹤把視覺跟蹤轉化成基于蒙塔卡羅方法的狀態推理過程，在線更新特征空間應用粒子濾波從而使其具有一定的魯棒性；與現有的增量子空間方法相比，該方法提出了新的奇異值分解方法，能更好的更新特征空間的均值和特征向量。類似的還有多子空間的模型，即離線建立一定數量的子空間，然后利用新的樣本進行在線更新以及非線性流形的學習方法，即采用多個特征空間來表示目標的外觀。從上述羅列的算法中，可以看出，生成跟蹤器就是充分利用目標的外觀特征，選擇適當的模型去模擬目標的外觀變化，以圖片中樣本和外觀模型的相似程度來判斷目標的具體位置。而生成跟蹤器這種方法的缺點也是很明顯的，即沒有充分利用背景的信息，使區分性差，易受到復雜環境的干擾。