[發明專利]一種基于稀疏光流法的多角點跟蹤方法及裝置

有效

• 申請號: 201410441125.8
• 申請日: 2014-09-01
• 公開（公告）號: CN105374049B
• 公開（公告）日: 2020-01-14
• 發明（設計）人: 馮駕骎
• 申請（專利權）人: 浙江宇視科技有限公司
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/269;G06K9/46
• 代理公司: 33240 杭州君度專利代理事務所(特殊普通合伙)
• 代理人: 諸佩艷

本發明公開了一種基于稀疏光流法的多角點跟蹤方法及裝置，該方法在待跟蹤視頻圖像的當前跟蹤窗口中基于稀疏光流法計算待跟蹤K個角點在待跟蹤視頻圖像中的偏移信息和位置，判斷待跟蹤視頻圖像中的K個角點是否可信，如果全部角點不可信，則以歷史偏移信息計算當前目標位置，進行角點更新，否則利用可信角點計算當前目標位置并更新待跟蹤視頻圖像中不可信角點。本發明同時公開的實現上述方法的裝置包括多角點跟蹤模塊、目標位置計算模塊和角點更新模塊。本發明的方法及裝置在同一個跟蹤窗口內進行角點的跟蹤，性能開銷增加有限，滿足了目標跟蹤的實時性要求，同時提高了目標跟蹤的準確率和魯棒性。

技術領域

本發明屬于圖像處理技術領域，尤其涉及一種基于稀疏光流法的多角點跟蹤方法及裝置。

背景技術

目標跟蹤是一門融合圖像處理，模式識別，概率論等眾多學科的復雜課題，在國防建設，航空領域，醫藥行業，智能交通等領域都得到了廣泛的應用。

在當前的目標跟蹤算法中，依照目標定位的方法首先可以將跟蹤方法分為概率跟蹤方法和確定性跟蹤算法。概率跟蹤算法采用的是貝葉斯濾波理論解決狀態估計問題，通過對目標參數的預測和修正過程采用一種遞推方式實現時變狀態的估計，表征目標的狀態量通常由坐標，速度等構成，狀態量通過狀態轉移模型向前推進實現狀態預測；除去利用概率論知識的跟蹤方式，剩下的目標跟蹤方式被認為是確定性跟蹤方式，依照目標建模所用的視覺特征不同，確定性目標跟蹤算法又可以分為基于顏色特征的Mean Shift跟蹤算法，基于光流特征的光流跟蹤算法以及基于特征描述子的目標跟蹤算法等等類型。

智能交通管理系統中的電子警察在進行車輛跟蹤時，目標背景往往是位于十字路口，畫面場景往往比較復雜，對算法在復雜場景下的跟蹤效果有一定要求，同時由于圖像在戶外取景，需要考慮光照變化和天氣變化等各種不同的場景變化，要求跟蹤算法有較強的魯棒性；同時電子警察要求實時判罰，所以對于算法的性能開銷也有一定的要求。

對于電子警察的應用，現有的Kalman濾波法是一種基于貝葉斯濾波理論的跟蹤算法，Kalman濾波模型建立在線性高斯模型基礎上，只能對平穩運動目標進行有效預測。若應用在電子警察的十字路口場景中，跟蹤車輛會出現不規則的啟停和加減速狀態，Kalman濾波不能得到一個有效的跟蹤準確率。同時由于Kalman濾波包含預測和修正兩個過程，在利用當前狀態模型完成軌跡預測后，Kalman濾波需要通過修正流程更新當前狀態模型，而更新流程需要一組目標位置的測量值作為輸入，在電子警察的應用場景中，很難通過其它手段得到這樣一組測量值，以致算法很難整體實現。

而Lucas-Kanade稀疏光流跟蹤算法具有較強的抗干擾性，適合在十字路口這種場景復雜的環境中實現跟蹤算法，但是Lucas-Kanade算法仍然存在一定的不足之處，較大的運動或者噪聲的干擾可能導致跟蹤點移出跟蹤窗口，雖然采用金字塔算法后，較大運動導致的算法失敗得到改善，由于噪聲或者目標形變的影響，但仍存在一定算法失敗的概率。

發明內容

本發明的目的是提供一種基于稀疏光流法的多角點跟蹤方法及裝置，適用于復雜場景目標跟蹤，克服了現有技術在復雜場景跟蹤效果差，無法應對目標的不規則加減速、跟蹤魯棒性差，或者不能應用于實時系統的問題。

為了實現上述目的，本發明技術方案如下：

一種基于稀疏光流法的多角點跟蹤方法，用于對待處理視頻圖像序列進行目標跟蹤，該方法包括：

結合參考視頻圖像中K個角點的鄰域窗口所有像素點的像素值，水平方向導數值以及垂直方向導數值，在當前待跟蹤視頻圖像的當前跟蹤窗口中基于稀疏光流法得到所述K個角點在待跟蹤視頻圖像中的偏移信息和當前位置；

判斷所述K個角點的偏移信息是否可信，如果全部角點的偏移信息都不可信，則以歷史偏移信息計算當前目標位置，否則，利用可信角點的偏移信息計算當前目標位置；