[發明專利]多線索融合的目標跟蹤方法

有效

• 申請號: 201310422335.8
• 申請日: 2013-09-16
• 公開（公告）號: CN103473542A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 陳峰;王建勇
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06T7/20
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張大威

技術領域

本發明涉及計算機視頻與圖像處理技術領域，特別涉及一種多線索融合的目標跟蹤方法。

背景技術

基于計算機視覺的目標跟蹤技術是國內外的熱點研究內容，該技術融合了模式識別、機器學習和自動控制等先進學科，并在過去幾十年內不斷發展。視覺跟蹤是研究從視頻圖像序列中連續估計運動目標的位置以及其他運動參數的問題，是連接底層圖像處理與高層行為分析的紐帶。在應用方面，與傳統視頻分析的“實時錄像，事后分析”不同，視覺目標跟蹤能夠自動地確定目標位置，這樣不僅可以節省大量的人力成本，還可以達到實時分析和輸出的目的，使得視覺目標跟蹤技術在公共安全、軍事訓練、機器人導航、刑偵分析等領域有著廣闊的應用前景。

視覺跟蹤算法一般可以分為目標表示、相似度度量和搜索策略三部分，這三部分又存在交疊和相互配合。整體模板的目標表示法利用所有像素特征，但是對姿態變化較為敏感；統計直方圖特征可以概括目標特征，但丟失了空間信息，所以分塊的直方圖特征可以在這方面做到較好的權衡。相似度度量用來決定搜索區域與目標的匹配程度，常見的有Bhattacharyya距離、歐氏距離、度量模板相似度的Hausdorff距離等。隨著機器學習的引入，視覺目標跟蹤問題可以看作是分類問題，即對目標和背景進行二值分類，這時相似度度量為分類器的輸出，如SVM、Adaboost等的輸出結果。搜索機制包括確定性搜索和隨機搜索機制，前者如梯度下降算法等，后者如基于采樣的粒子濾波算法等。

雖然視覺跟蹤在理論和應用都得到了長足的發展，但是仍然面臨著很多難點，這些難點主要分為周圍環境的變化和目標外觀的變化。周圍環境的變化包括攝像機的平移、旋轉、放縮，背景的變化，光線的變化，目標的遮擋等等；目標外觀的變化包括物體快速移動、姿態變化等。針對這些問題，近年來在線學習、組合優化等策略被引入視覺跟蹤，但總體說來這些難點問題仍然未能完全克服。

粒子濾波框架下的跟蹤是一種流行的跟蹤算法，但是其對運動信息利用的不夠充分。另外，針對物體外觀的快速變化，粒子濾波算法為了提高魯棒性，也一般不會給出快速的外觀特征更新。

發明內容

本發明旨在至少解決上述技術問題之一。

為此，本發明的目的在于提出一種多線索融合的目標跟蹤方法，該方法能夠很好地適應在光線變化強烈或目標外觀存在較大變化時，有效地地對目標的位置進行調整和目標外觀進行更新，從而可提高目標跟蹤的魯棒性。

為了實現上述目的，本發明的實施例提出了一種多線索融合的目標跟蹤方法，包括以下步驟：S1：實時采集預定區域的圖像，并將所述圖像劃分為多個子區域；S2：選定待跟蹤目標，對所述待跟蹤目標在所述圖像中的位置對應的子區域的模板集進行更新，并搜索所述模板集的最佳匹配點；S3：計算所述待跟蹤目標和粒子濾波區域的分塊顏色和邊緣分布的外觀特征；S4：根據光流計算法估計所述待跟蹤目標在所述圖像中的整體運動矢量；S5：對粒子進行重要性重采樣，以得到所述待跟蹤目標的位置；S6：根據所述整體運動矢量和所述待跟蹤目標的位置對所述待跟蹤目標的分塊顏色和邊緣分布的外觀特征進行更新，以及對所述待跟蹤目標進行跟蹤。

根據本發明實施例的多線索融合的目標跟蹤方法，提取了結合分塊顏色和邊緣方向特征，不僅可以刻畫目標的統計特征，還可以在一定程度上描述目標的空間特征；在粒子濾波中融合了外觀特征和多模板匹配特征，能夠更好地適應環境的光線變化和目標在不同區域的外觀變化，同時也可以適應同一區域人體的多種姿態變化；另外，融合粒子濾波結果和光流運動信息，在光線較差、目標之間區分度較小、運動較規則時，可以以更可地進行目標位置的調整和目標外觀的更新，從而提高了目標跟蹤魯棒性靠的運動信息有效和適應性。

另外，根據本發明上述實施例的多線索融合的目標跟蹤方法還可以具有如下附加的技術特征：

在本發明的實施例中，所述待跟蹤目標是通過目標檢測算法自動選定的。

在本發明的實施例中，所述待跟蹤目標是通過手工選定的。