[發明專利]一種基于傳播融合的視頻跟蹤方法

無效

• 申請號: 201310680307.6
• 申請日: 2013-12-12
• 公開（公告）號: CN103714554A
• 公開（公告）日: 2014-04-09
• 發明（設計）人: 白翔;周瑜;魯勤;劉文予
• 申請（專利權）人: 華中科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06K9/00
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 曹葆青

技術領域

本發明涉及對視頻中的目標物體進行跟蹤，具體是基于傳播融合的視頻跟蹤方法。

背景技術

視頻跟蹤是計算機視覺中一個非常重要的問題，具有廣泛的實際應用。設計一個魯棒的視頻跟蹤方法面臨兩方面的挑戰：一方面的挑戰是由目標物體的外觀變化帶來的，如視角變化、姿態變化、尺度變化等；另一方面挑戰是由目標物體所處環境的外界噪聲帶來的，如遮擋、背景噪聲等。

近年來，許多魯棒的視頻跟蹤方法相繼被提出，其中最具代表性的是基于匹配的跟蹤方法，本發明提出的方法也屬于該類型。該方法主要包含兩個關鍵步驟，一是對跟蹤目標和候選跟蹤目標的外觀進行特征表示，二是度量跟蹤目標和候選跟蹤目標之間基于特征表示的相似性。

物體外觀的特征表示包括底層特征表示和高層模型表示。本發明方法采用HOG、LBP、Haar-like三種底層特征來描述跟蹤目標和候選目標。HOG特征能有效表征圖像區域的形狀特性；其具體內容，在N.Dalal、B.Triggs所著，2005年收錄在會議“IEEE?Computer?Society?Conference?on?Computer?Vision?and?Pattem?Recognition”的文章“Histograms?of?oriented?gradients?for?human?detection”中有詳細介紹。LBP特征能有效表征圖像區域的紋理特性；其具體內容，在T.Ojala、M.Pietik¨ainen、T.M¨aenp¨a¨所著，2002年發表在期刊“IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence”第24卷第7期上的文章“Multiresolution?gray-scale?and?rotation?invariant?texture?classification?with?local?binary?patterns”中有詳細介紹。Haar-like特征是局部特征，能有效的應對局部遮擋；其具體內容，在B.Babenko、M.Yang、S.Belongie所著，2011年發表在期刊“IEEE?Transactions?on?Pattern?Analysis?and?Machine?Intelligence”第33卷第8期上的文章“Robust?object?tracking?with?online?multiple?instance?learning”的3.6.2節中有詳細介紹。基于特征表示的相似性度量可以直接指定某一度量公式，也可以通過度量學習得到。本發明方法通過傳播融合的方法學習得到一個魯棒的相似性度量。

Nan?Jiang，Wenyu?Liu，Ying?Wu所著，2011年發表在期刊“IEEE?Transaction?on?Image?Processing”第20卷第8期上的文章“Learning?Adaptive?Metric?for?Robust?Visual?Tracking”提出了一種自適應度量的學習方法，該方法在視頻當前幀之前的視頻幀中選擇一組訓練樣本，然后通過這些訓練樣本在線的訓練得到一個魯棒的度量。但是，該方法只考慮在一種特征表示下合適的度量選擇問題，并且沒有考慮新到來視頻幀中未標記樣本提供的信息。

發明內容

本發明的目的是提供一種目標物體跟蹤的方法，該方法可以提高物體跟蹤的準確率。

本發明提供了一種基于傳播融合的視頻跟蹤方法，該方法包括下述步驟：

第1步?接收一幀視頻序列圖像，記該視頻序列圖像的幀序號為t；其中跟蹤目標在第t幀圖像中的位置及尺度已知并以矩形框標記跟蹤目標區域；

第2步?接收第t+1幀視頻序列圖像，在第t+1幀圖像中采樣得到一組與第t幀視頻圖像中跟蹤目標等大的候選目標區域，構成候選目標集；

第3步?分別用HOG特征、LBP特征和Haar-like特征表示所有目標區域，分別計算各特征表示下各個目標區域兩兩之間的相似度，得到基于HOG特征、LBP特征和Haar-like特征表示的相似度，所述所有目標區域是指第t幀圖像的跟蹤目標區域和第t+1幀圖像的候選目標區域；

第4步?將計算得到的三個基于不同特征表示的相似度進行傳播融合，使得所有目標區域的三個相似度融合為一個相似度；

第5步?在第4步得到的融合后的相似度的基礎上，選取第t+1幀圖像中與已知的第t幀圖像跟蹤目標相似度最高的候選目標區域作為跟蹤目標在該幀中的位置，并輸出跟蹤目標被矩形框標記的第t+1幀圖像；