[發明專利]一種面向遮擋和場景變換的運動對象追蹤方法

有效

• 申請號: 201310039754.3
• 申請日: 2013-02-01
• 公開（公告）號: CN103106667A
• 公開（公告）日: 2013-05-15
• 發明（設計）人: 房勝;汴紫涵;徐田帥;王飛;黨超
• 申請（專利權）人: 山東科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 濟南舜源專利事務所有限公司 37205
• 代理人: 王連君

技術領域

本發明屬于圖像處理技術、運動對象的追蹤技術領域。具體地說是涉及基于kalman濾波和SURF方法相結合來實現遮擋和場景變換情況下運動對象的快速、準確追蹤方法。

背景技術

目前的視頻運動對象追蹤方法有如下幾種：

一是基于區域的跟蹤方法，其首先分割出每一幀的視頻對象，然后建立各分割對象間的對應關系，從而實現對視頻對象的跟蹤。這種方法對視頻對象的分割要求很高，一旦視頻片段中的某一幀或某幾幀的對象分割錯誤，則整個視頻對象的跟蹤就會失敗。

二是Graph?Cuts方法（又稱為Min-Cut/Max-Flow方法），是一種經典的圖像分割方法，目前很多圖像分割方法都是基于Graph?Cuts衍生出來的。由于運動對象的跟蹤方法的前一步通常都是運動前景物體的提取，因此這種基于區域的跟蹤方法應用比較廣泛。但由于這種方法不能很好地分割相互遮擋的物體，因此這種方法在遮擋頻繁發生的場景中效果較差。

三是基于模型的跟蹤方法，目前基于模型的跟蹤方法主要分為兩類：即基于模型的人體跟蹤和基于模型的車輛跟蹤。由于該方法的特性，在得到物體2D圖像坐標和3D坐標的對應關系后，即使物體發生較大程度的角度變換，也可以利用物體的3D模型進行跟蹤。該方法要求先對被跟蹤物體進行建模，然后將該模型和視頻圖像中的內容進行匹配來實現跟蹤；且這種方法要求對被跟蹤物體有足夠的先驗知識，才能建立出有效的目標模型。

發明內容

本發明的任務在于提供一種面向遮擋和場景變換的運動對象追蹤方法，該方法能夠快速、準確地實現對視頻中特定運動物體的追蹤。

其技術解決方案是：

一種面向遮擋和場景變換的運動對象追蹤方法，包括下列步驟：

a對輸入的視頻序列進行前景運動檢測，提取運動對象；然后進入步驟b，

b如果已經保存有追蹤對象的特征，則進入步驟d；如果未保存有追蹤對象的特征，則根據用戶選定的區域完成對目標物體的模板初始化和SURF特征提取，以及Kalman濾波器的初始化；然后進入步驟c，

c采用基于Kalman濾波器的方法對運動目標進行預測跟蹤，直至視頻內容結束，進入步驟e；當追蹤過程中發生遮擋時，則進入步驟d；

d使用基于SURF特征的匹配方法確定追蹤對象，在特征匹配趨于穩定并判斷遮擋結束時，重新初始化Kalman濾波器后進入步驟c；

e輸出并保存目標對象特征信息。

上述步驟a中，建立兩個參考幀I_bg(x,y)、I_up(x,y)，I_bg(x,y)為當前場景的背景幀，I_up(x,y)是一個隨時間不斷更新的參考幀；將當前幀I(x,y)分別與I_bg(x,y)、I_up(x,y)進行差分二值化，得到的結果記為：F_bg(x,y)、F_up(x,y)，根據二者的值分辨出場景中的遺留物和運動物體。

上述步驟c中，首先對Kalman濾波器進行初始化，然后根據觀測到的目標物體狀態進行預測跟蹤；在跟蹤過程中，根據目標對象的輪廓變化情況自適應地更新模板圖像，并將有代表性的特征信息進行保存；在追蹤過程中，采用基于輪廓相交的判斷方法對是否發生遮擋進行建模、分析和判斷。

上述步驟d中，自動搜索視頻內容并找到與被跟蹤物體特征點匹配最多的前景團塊，針對測量誤差和噪聲引起的錯誤匹配，在得到SURF特征匹配點對后使用RANSAC算法進行精確匹配并得到圖像間的轉換的單應性矩陣，在視頻中標定目標對象；判斷遮擋是否結束與上述判斷是否發生遮擋采用相同模型；重新初始化Kalman濾波器采用的方法與上述Kalman濾波器的初始化方法相同。

本發明可具有如下有益技術效果：

本發明采用Kalman濾波器和SURF特征匹配相結合的方法，一方面在無遮擋和場景變換時，Kalman濾波器可以快速的完成預測和追蹤，另一方面在發生遮擋和場景變換時，利用SURF特征的尺度不變等特性可以有效解決Kalman濾波器失效情況下的目標跟蹤問題；因此具有快速、準確的優點，并且由于可以根據目標輪廓的變化自適應地更新目標模板，魯棒性也很好。本發明是綜合運用遺留物檢測算法、Kalman濾波器、SURF特征、遮擋判斷等，提出來的一套完整的適用于固定背景單目攝像機的視頻運動對象追蹤方法，可制成軟件，便于應用。

附圖說明

下面結合附圖與具體實施方式對本發明作更進一步的說明：