[發明專利]基于上下文約束編碼的目標跟蹤方法

有效

• 申請號: 201310404988.3
• 申請日: 2013-09-08
• 公開（公告）號: CN103473560A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 田小林;焦李成;尚小維;王爽;劉憲龍;張小華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，特是涉及一種基于上下文約束編碼的運動目標跟蹤方法，可應用于人機交互、安防監控、醫學圖像等方面。

背景技術

目標跟蹤一直是計算機視覺領域備受專注的關鍵技術之一，它廣泛應用在交通管制、機器人視覺導航、安全監測、軍事偵察以及氣象分析等方面。盡管目前已經有大量的算法來處理運動目標跟蹤問題，但由于外觀噪聲、光照變化、遮擋、背景雜亂、視角變化等因素的影響，使得目標被實時地、準備地跟蹤變得更加復雜困難。近年來，在超完備表示理論的基礎上，稀疏表示、壓縮感知等方法被人們廣泛應用到目標檢測、目標跟蹤中來，由于構造的字典更加符合人眼視覺特性，人們通過構造超完備冗余字典的形式實現圖像的自適應稀疏表示。在這些跟蹤方法中，目標被表示成模板系數的線性組合，而且這些組合系數是稀疏的，也就是說只有少數系數有值，大部分系數用0表示。

大連民族學院提出的專利申請“一種基于稀疏限制的MLE視頻目標跟蹤方法”（專利申請號201210453491.6，公開號CN103024349A）公開了一種稀疏限制的MLE視頻目標跟蹤方法，該方法首先選取跟蹤目標的前n幀作為初始目標模板庫,采用狀態轉移模型在上一幀目標周圍選擇m個樣本，計算m個樣本像素的權值，根據權值閾值對m個樣本的像素進行異常像素篩選，對篩選后的m個樣本進行稀疏編碼求解，得到樣本像素的重建誤差，然后再根據觀測似然模型獲取m個樣本中跟蹤目標的最佳狀態值，作為當前幀的跟蹤結果，最后，用跟蹤得到的目標替換目標模板庫中的模板來對模板進行更新。該方法存在的不足是，當目標發生快速運動、遮擋、視頻場景雜亂，特別是發生光照變化時，模板差異較大，使得目標模板庫的準確性降低，不能實現長時間穩定的跟蹤。

上海電力學院提出的專利申請“基于多模塊系數投影的密集場景目標跟蹤方法”（專利申請號201110451424.6，公開號CN102592138A），公開了基于多模塊系數投影的密集場景目標跟蹤方法。該方法用系數投影表征目標特征，首先建立基于觀測模型的多模塊系數表示模型：x=TA+ε，其中A為重構權值向量，T為模板重構基向量，ε表示噪聲，重構矩陣T實現了對目標x的稀疏投影，然后，通過粒子濾波器預測到多個候選目標的預測位置，對每一個預測位置對應的目標預測區域進行分塊，并計算其多模塊觀測模型，最后，根據觀測模型判斷出最優目標位置并更新重構矩陣。該方法雖然解決了公共場所人流密集場景下目標發生互遮擋的跟蹤問題，但當目標發生快速運動、外觀形變劇烈、場景發生光照變化時，跟蹤結果容易發生漂移導致跟蹤失敗。

上述兩種方法均采用系數編碼來表征目標，但當目標發生快速運動、光照變化、外觀劇烈變化時，其性能會大大減弱，不能實現目標準確、有效的跟蹤。

發明內容

本發明針對上述現有技術的不足，提出一種基于上下文約束編碼的目標跟蹤方法，以實現當目標發生快速運動、光照變化、外觀劇烈變化時對目標進行準確、有效的跟蹤。

具體實施步驟如下：

（1）輸入一段視頻的第一幀，人工標記出待跟蹤的目標，得到跟蹤框的位置；

（2）以跟蹤框位置為中心獲取49個正樣本和49個負樣本，將涵蓋所有正負樣本的范圍定義為搜索窗；

（3）構建第一幀字典B^t：

根據dense-sift方法，提取搜索窗的特征描述子；再根據k-means聚類方法對這些特征描述子進行聚類，得到第一幀字典B^t，上標t表示當前正在處理的圖像幀數，這里，t=1；

（4）根據dense-sift方法，提取所有正負樣本的每個像素點的特征描述子并根據正負樣本的特征描述子和第一幀字典B^t，計算第一幀所有正負樣本像素點的編碼其中，下標i表示樣本的第i個像素點；

（5）訓練分類器參數w^t：

將正樣本類標記為1,將負樣本類標記為2，根據正負樣本的類標及正負樣本的編碼利用交叉驗證方法訓練得到libsvm分類器參數w^t；

（6）載入新一幀視頻圖像，以上一幀目標的跟蹤框位置為中心獲取98個樣本，作為本幀的檢測樣本，并根據dense-sift方法提取這些檢測樣本的特征描述子

（7）計算本幀檢測樣本每個像素點的編碼

7a）根據本幀檢測樣本的特征描述子和上一幀字典B^t-1，計算本幀檢測樣本每個像素點的編碼