[發(fā)明專利]一種單目標(biāo)長時(shí)間跟蹤技術(shù)

無效

• 申請?zhí)枺?/td>: 201310713690.0
• 申請日: 2013-12-20
• 公開（公告）號: CN103679755A
• 公開（公告）日: 2014-03-26
• 發(fā)明（設(shè)計(jì)）人: 張艷麗
• 申請（專利權(quán)）人: 河北漢光重工有限責(zé)任公司
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京華夏正合知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11017
• 代理人: 韓登營;張煥亮

技術(shù)領(lǐng)域

本發(fā)明屬于跟蹤領(lǐng)域，特別涉及一種單目標(biāo)的長時(shí)間跟蹤技術(shù)。

背景技術(shù)

對于長時(shí)間跟蹤而言，一個(gè)關(guān)鍵的問題是：當(dāng)目標(biāo)重新出現(xiàn)在相機(jī)視野中時(shí)，系統(tǒng)應(yīng)該能重新檢測到它，并開始重新跟蹤。但是，長時(shí)間跟蹤過程中，被跟蹤目標(biāo)將不可避免的發(fā)生形狀變化、光照條件變化、尺度變化、遮擋等情況。傳統(tǒng)的跟蹤算法，前端需要跟檢測模塊相互配合，當(dāng)檢測到被跟蹤目標(biāo)之后，就開始進(jìn)入跟蹤模塊，而此后，檢測模塊就不會介入到跟蹤過程中。但這種方法有一個(gè)致命的缺陷：即，當(dāng)被跟蹤目標(biāo)存在形狀變化或遮擋時(shí)，跟蹤就很容易失敗；因此，對于長時(shí)間跟蹤，或者被跟蹤目標(biāo)存在形狀變化情況下的跟蹤，很多人采用檢測的方法來代替跟蹤。該方法雖然在某些情況下可以改進(jìn)跟蹤效果，但它需要一個(gè)離線的學(xué)習(xí)過程。即：在檢測之前，需要挑選大量的被跟蹤目標(biāo)的樣本來進(jìn)行學(xué)習(xí)和訓(xùn)練。這也就意味著，訓(xùn)練樣本要涵蓋被跟蹤目標(biāo)可能發(fā)生的各種形變和各種尺度、姿態(tài)變化和光照變化的情況。換言之，利用檢測的方法來達(dá)到長時(shí)間跟蹤的目的，對于訓(xùn)練樣本的選擇至關(guān)重要，否則，跟蹤的魯棒性就難以保證。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明提供一種單目標(biāo)長時(shí)間跟蹤技術(shù)。它跟蹤效果更加穩(wěn)定、魯棒、可靠。

本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是：包括下列步驟：跟蹤模塊假設(shè)相鄰視頻幀之間物體的運(yùn)動(dòng)是有限的，且被跟蹤目標(biāo)是可見的，以此來估計(jì)目標(biāo)的運(yùn)動(dòng)，如果目標(biāo)在相機(jī)視野中消失，將造成跟蹤失敗，檢測模塊假設(shè)每一個(gè)視幀都是彼此獨(dú)立的，并且根據(jù)以往檢測和學(xué)習(xí)到的目標(biāo)模型，對每一幀圖片進(jìn)行全圖搜索以定位目標(biāo)可能出現(xiàn)的區(qū)域，同其它目標(biāo)檢測方法一樣，TLD中的檢測模塊也有可能出現(xiàn)錯(cuò)誤，且錯(cuò)誤無非是錯(cuò)誤的負(fù)樣例和錯(cuò)誤的正樣例這兩種情況，而學(xué)習(xí)模塊則根據(jù)跟蹤模塊的結(jié)果對檢測模塊的這兩種錯(cuò)誤進(jìn)行評估，并根據(jù)評估結(jié)果生成訓(xùn)練樣本，對檢測模塊的目標(biāo)模型進(jìn)行更新，同時(shí)對跟蹤模塊的“關(guān)鍵特征點(diǎn)”進(jìn)行更新，以此來避免以后出現(xiàn)類似的錯(cuò)誤。

本發(fā)明跟蹤效果更加穩(wěn)定、魯棒、可靠。

具體實(shí)施方式

考慮到單純的跟蹤或者單純的檢測算法都無法在長時(shí)間跟蹤過程中達(dá)到理想的效果，所以，跟蹤-學(xué)習(xí)-檢測（TLD）方法就考慮將兩者予以結(jié)合，并加入一種改進(jìn)的在線學(xué)習(xí)機(jī)制，從而使得整體的目標(biāo)跟蹤更加穩(wěn)定、有效。

本發(fā)明包括下列步驟：跟蹤模塊假設(shè)相鄰視頻幀之間物體的運(yùn)動(dòng)是有限的，且被跟蹤目標(biāo)是可見的，以此來估計(jì)目標(biāo)的運(yùn)動(dòng)，如果目標(biāo)在相機(jī)視野中消失，將造成跟蹤失敗，檢測模塊假設(shè)每一個(gè)視幀都是彼此獨(dú)立的，并且根據(jù)以往檢測和學(xué)習(xí)到的目標(biāo)模型，對每一幀圖片進(jìn)行全圖搜索以定位目標(biāo)可能出現(xiàn)的區(qū)域，同其它目標(biāo)檢測方法一樣，TLD中的檢測模塊也有可能出現(xiàn)錯(cuò)誤，且錯(cuò)誤無非是錯(cuò)誤的負(fù)樣例和錯(cuò)誤的正樣例這兩種情況，而學(xué)習(xí)模塊則根據(jù)跟蹤模塊的結(jié)果對檢測模塊的這兩種錯(cuò)誤進(jìn)行評估，并根據(jù)評估結(jié)果生成訓(xùn)練樣本，對檢測模塊的目標(biāo)模型進(jìn)行更新，同時(shí)對跟蹤模塊的“關(guān)鍵特征點(diǎn)”進(jìn)行更新，以此來避免以后出現(xiàn)類似的錯(cuò)誤。