[發(fā)明專(zhuān)利]一種基于霍夫森林的目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410507656.2
• 申請(qǐng)日: 2014-09-28
• 公開(kāi)（公告）號(hào): CN104299243B
• 公開(kāi)（公告）日: 2017-02-08
• 發(fā)明（設(shè)計(jì)）人: 蔡利;吳鵬飛;李曉飛;劉瀏;盧官明
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京郵電大學(xué)
• 主分類(lèi)號(hào): G06T7/20
• 分類(lèi)號(hào): G06T7/20;G06K9/62
• 代理公司: 南京經(jīng)緯專(zhuān)利商標(biāo)代理有限公司32200
• 代理人: 朱小兵

1.一種基于霍夫森林的目標(biāo)跟蹤方法，其特征在于，包括以下步驟：

步驟一、從標(biāo)準(zhǔn)訓(xùn)練庫(kù)中選取圖片作為訓(xùn)練樣本，訓(xùn)練樣本包括正訓(xùn)練樣本和負(fù)訓(xùn)練樣本，正訓(xùn)練樣本的圖片中有目標(biāo)，負(fù)訓(xùn)練樣本的圖片中無(wú)目標(biāo)，提取訓(xùn)練樣本的特征得到特征圖片；

步驟二、對(duì)步驟一中的特征圖片進(jìn)行濾波處理后建立特征圖片集合；

步驟三、建立霍夫森林；

步驟四、采集視頻，輸入視頻的第一幀，并人工標(biāo)記出待跟蹤目標(biāo)的中心位置，作包圍中心位置的矩形框用來(lái)設(shè)定目標(biāo)檢測(cè)范圍；采用遍歷的方式選取矩形框內(nèi)的圖片特征塊，根據(jù)建立的霍夫森林對(duì)目標(biāo)的中心位置進(jìn)行加權(quán)投票，統(tǒng)計(jì)投票值得到設(shè)定矩形框內(nèi)的霍夫投票圖，選取投票峰值確定目標(biāo)的中心位置，并將該目標(biāo)的中心位置作為第一幀圖像目標(biāo)的中心位置，根據(jù)獲得的第一幀圖像目標(biāo)的中心位置初始化卡爾曼濾波器參數(shù)；

步驟五、確定目標(biāo)中心位置,跟蹤目標(biāo)；

(501)、載入新一幀視頻圖像，根據(jù)前一幀目標(biāo)的中心位置作包圍中心位置的矩形框用來(lái)設(shè)定待檢測(cè)目標(biāo)范圍，利用建立好的霍夫森林獲取投票峰值，得到目標(biāo)的中心位置；

(502)、計(jì)算幀間目標(biāo)中心位置均值的歐式距離；

(503)、預(yù)先設(shè)定第一閾值和第二閾值，第一閾值為投票峰值閾值，第二閾值為幀間目標(biāo)中心位置均值的歐式距離閾值；

(504)、當(dāng)投票峰值小于預(yù)設(shè)的第一閾值或者幀間目標(biāo)中心位置均值的歐式距離大于預(yù)設(shè)的第二閾值,則采用卡爾曼濾波算法對(duì)目標(biāo)中心位置進(jìn)行預(yù)測(cè)得到預(yù)測(cè)值，采用預(yù)測(cè)值校正目標(biāo)中心位置；

當(dāng)投票峰值大于或等于預(yù)設(shè)的第一閾值，并且?guī)g目標(biāo)中心位置均值的歐氏距離小于或等于預(yù)設(shè)的第二閾值，則表明跟蹤到的目標(biāo)正確，不修正當(dāng)前幀檢測(cè)得到的目標(biāo)中心位置，同時(shí)更新卡爾曼濾波器參數(shù)，用于對(duì)下一幀視頻圖像中目標(biāo)的中心位置進(jìn)行預(yù)測(cè)；

當(dāng)投票峰值大于或等于預(yù)設(shè)的第一閾值，但幀間目標(biāo)中心位置均值的歐氏距離大于預(yù)設(shè)的第二閾值，則根據(jù)卡爾曼濾波算法得到的預(yù)測(cè)值校正目標(biāo)中心位置。

2.根據(jù)權(quán)利要求1所述的一種基于霍夫森林的目標(biāo)跟蹤方法，其特征在于，所述步驟三具體如下：

(301)、隨機(jī)獲取特征圖片塊集，采用二值函數(shù)對(duì)特征圖片塊集進(jìn)行劃分，當(dāng)類(lèi)不確定度或者偏移量不確定度達(dá)到最小時(shí)，獲得最優(yōu)分裂節(jié)點(diǎn)；依次對(duì)最優(yōu)分裂節(jié)點(diǎn)處的圖片塊不斷劃分，直到當(dāng)前節(jié)點(diǎn)的深度達(dá)到預(yù)設(shè)的第三閾值或者當(dāng)前節(jié)點(diǎn)上的樣本數(shù)量小于預(yù)設(shè)的第四閾值則停止劃分，構(gòu)成二叉決策樹(shù)；其中，預(yù)設(shè)的第三閾值為10至20的整數(shù)，預(yù)設(shè)的第四閾值為10至25的整數(shù)；

(302)、選取N個(gè)二叉決策樹(shù)建立霍夫森林，N為整數(shù)且9<N<16。

3.根據(jù)權(quán)利要求1所述的一種基于霍夫森林的目標(biāo)跟蹤方法，其特征在于，所述步驟一中提取訓(xùn)練樣本的特征包括：Lab顏色空間中的顏色特征描述符，圖像x方向的一階導(dǎo)數(shù)特征、二階導(dǎo)數(shù)特征，圖像y方向的一階導(dǎo)數(shù)特征、二階導(dǎo)數(shù)特征，梯度直方圖HOG特征。