[發明專利]基于部件級表觀模型的物體跟蹤方法

有效

• 申請號: 201310317408.7
• 申請日: 2013-07-25
• 公開（公告）號: CN103413323A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 王美華;梁云;劉福明
• 申請（專利權）人: 華南農業大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

技術領域

本發明涉及計算機視覺領域，更具體地，涉及到一種基于部件級表觀模型的物體跟蹤方法。

背景技術

物體跟蹤是計算機視覺領域的一個重要研究內容，近年來已引起人們的廣泛關注,成為當前的研究熱點。該技術具有廣闊的應用前景,在多個領域起著重要作用,如安全監控、人機交互、醫療診斷和車輛流量監控等等。盡管人們已經提出了大量的物體跟蹤方法,但在光照和物體外形變化較大或有嚴重遮擋的情況下,這些方法經常不能提供理想的跟蹤結果,常無法追蹤到目標物體。因此,提出一種有效的物體跟蹤方法具有重要的應用價值和現實意義。

當前，貝葉斯濾波原理在物體跟蹤運用上已經相當成熟，涉及的特征提取、建立表觀模型、搜索目標、更新表觀模型四大部分，其中重點和難點在于表觀模型處理。雖然很多成功的物體跟蹤算法已經被提出，但是要開發一個能處理復雜的、動態的場景的健壯算法仍然是一個具有挑戰性的問題。因為光照發生變化、鏡頭發生移動、物體發生形變、目標物體發生部分或全部遮擋等等會導致場景的外觀發生很大的變化。這些變化只能通過增量更新它們表達的自適應方法進行處理。因此，能夠不斷學習的在線更新對跟蹤物體表觀的表示對于跟蹤任務而言是很有必要的。

現有的物體跟蹤方法在更新物體表觀模型時，基于模板，以幀為更新單位，即往建模特征池中加入一幀信息就從特征池中剔除一幀信息。這樣的處理方式使物體表觀模型隨著跟蹤目標或場景外觀的變化而不斷更新，然而，在剔除一幀信息會造成部分有用信息損失。在目標物體形變頻繁或部分在跟蹤場景中消失時間足夠長時，結果往往是更新得到的表觀模型不全面，只能得到對物體表觀的部分表示。在復雜的背景和物體外觀變化大的場景下的跟蹤，沒有健壯的表觀模型，常無法得到有效跟蹤結果。

發明內容

為了克服現有技術的不足，即針對物體跟蹤方法在基于模板更新物體時，表觀模型易造成用表觀模型損失部分跟蹤物體信息，模型對跟蹤物體表示不全面，本發明提出一種基于部件級表觀模型的物體跟蹤方法，以部件為更新單位，旨在加強表觀模型對跟蹤物體的完整性表示。

為了克服現有技術的不足，本發明的技術方案為：

一種基于部件級表觀模型的物體跟蹤方法，包括以下步驟：

S1.創建用于建模的特征池：簡單跟蹤前m幀圖像并記錄每幀的目標區域，以目標區域為中心向四周擴展得到擴展區域，超像素分割每個擴展區域，超像素記錄目標物體部件的信息，提取各部件的特征，并收集所有幀的特征構建特征池；

S2.基于特征池中的特征集創建物體的表觀模型；

S3.設已完成前t幀圖像的跟蹤，t≥m，根據表觀模型計算第t+1幀圖像的目標區域、及其擴展區域內超像素的特征集和置信度，記錄描述目標物體部件的超像素；

S4.計算第t+1幀圖像特征集的補集，當沒有嚴重遮擋時，執行S5，否則執行S8；

S5.以特征池中距離當前時間最久的幀作為被替換幀；

S6.當被替換幀中描述目標物體部件的超像素數量大于β時，β為預先設定的常數，從這些超像素中選出β個作為當前幀特征集的補集，其中β個超像素的特征矢量與當前幀描述目標的超像素的特征矢量的歐式距離最大，則轉入S11；否則轉入S7；

S7.將被替換幀中描述目標物體部件的超像素的特征集作為當前幀特征集的補集，轉入S11；

S8.選擇特征池中距離當前時間最近的第3幀作為被替換幀；

S9.當被替換幀中描述目標物體部件的超像素數量小于或等于α時，α為預先設定的常數，α<β，將這些超像素的特征集作為當前幀特征集的補集，則轉入S11，否則，當被替換幀中描述目標物體部件的超像素數量大于α時，轉入S10；

S10.把被替換幀中描述目標物體部件的超像素的置信度最大的α個超像素的特征集作為當前幀特征集的補集；

S11.合并當前幀的特征集及其補集作為當前幀的新特征集，將新特征集加入特征池并刪除特征池中被替換幀的特征集，完成一次特征池更新；

S12.若滿足更新表觀模型條件，根據更新后的特征池構建物體的表觀模型，實現表觀模型的更新；

S13.轉入步驟S3，直到完成整個視頻圖像序列的跟蹤為止。

更進一步的，所述步驟S1中前m幀是基于無表觀模型指導的跟蹤，具體創建特征池的方式為：