[發(fā)明專利]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（公告）號(hào): CN104299243B
• 公開（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)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06T7/20
• 分類號(hào): G06T7/20;G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司32200
• 代理人: 朱小兵

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別是一種基于霍夫森林的目標(biāo)跟蹤方法。

背景技術(shù)

運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域中的關(guān)鍵問題，融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制等多種不同領(lǐng)域的理論知識(shí)，其本質(zhì)是根據(jù)圖像幀中選定的目標(biāo)在接下來的視頻幀中尋找目標(biāo)的最佳位置。目標(biāo)跟蹤系統(tǒng)一般是基于圖像序列的處理，對(duì)目標(biāo)的運(yùn)動(dòng)規(guī)律加以預(yù)測(cè)，實(shí)現(xiàn)對(duì)目標(biāo)的連續(xù)、準(zhǔn)確的跟蹤。在理想狀態(tài)下，得到準(zhǔn)確實(shí)時(shí)的數(shù)據(jù)輸出是可以的，但在現(xiàn)實(shí)場(chǎng)景中，由于各種干擾的存在，往往難以達(dá)到理想效果。

目前視頻目標(biāo)跟蹤技術(shù)的關(guān)鍵環(huán)節(jié)有兩個(gè)方面，一是目標(biāo)特征的選取，對(duì)于待跟蹤的目標(biāo)，需要通過特征描述來表達(dá)，如果選擇的特征能將目標(biāo)與其周圍的背景環(huán)境很好的區(qū)分，則說明該特征適用于此目標(biāo)的跟蹤，是較優(yōu)的特征；另一方面是跟蹤算法框架，即采用怎樣的策略在圖像中找到具有某種特征的待跟蹤目標(biāo)。

論文《Hough-based?Tracking?of?Non-Rigid?Objects》，Computer?Vision?and?Image?Understanding,2013,通過實(shí)現(xiàn)目標(biāo)的分割后再選取檢測(cè)塊對(duì)目標(biāo)進(jìn)行跟蹤，并實(shí)時(shí)更新樣本，此方法能較好的實(shí)現(xiàn)目標(biāo)的實(shí)時(shí)更新，但當(dāng)不能分割出目標(biāo)或目標(biāo)暫時(shí)遮擋時(shí)，不能獲得較全面的目標(biāo)樣本，很容易檢測(cè)不到目標(biāo)的正確位置進(jìn)而造成目標(biāo)丟失。

西安電子科技大學(xué)提出的專利申請(qǐng)“基于霍夫森林的視頻目標(biāo)跟蹤方法”(專利申請(qǐng)?zhí)?01210253267.2，公開號(hào)CN102831618A)，公開了采用霍夫森林基本框架進(jìn)行目標(biāo)檢測(cè)，利用霍夫投票結(jié)果判定目標(biāo)的存在性，并采用在線訓(xùn)練模式進(jìn)一步檢測(cè)目標(biāo)，結(jié)合Lucas-Kanade跟蹤器得到目標(biāo)坐標(biāo)，但在線更新樣本數(shù)據(jù)需要較大的計(jì)算量，并且霍夫森林的優(yōu)勢(shì)是對(duì)同類目標(biāo)的檢測(cè)，更新后的數(shù)據(jù)變化參考度不高，這樣就增加了算法的冗余度，算法也變得更加復(fù)雜，導(dǎo)致運(yùn)行速度變慢，跟蹤的實(shí)時(shí)性也就有所降低。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是克服現(xiàn)有技術(shù)的不足，提供一種基于霍夫森林的目標(biāo)跟蹤方法，采用離線訓(xùn)練方式建立霍夫森林，對(duì)樣本進(jìn)行霍夫投票，檢測(cè)目標(biāo)中心位置；跟蹤時(shí)引入卡爾曼濾波校正和計(jì)算幀間目標(biāo)中心位置均值的歐氏距離達(dá)到實(shí)時(shí)準(zhǔn)確的跟蹤目的。

本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：

根據(jù)本發(fā)明提出的一種基于霍夫森林的目標(biāo)跟蹤方法，包括以下步驟：

步驟一、從標(biāo)準(zhǔn)訓(xùn)練庫中選取圖片作為訓(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。

作為本發(fā)明的一種基于霍夫森林的目標(biāo)跟蹤方法的進(jìn)一步優(yōu)化的方案，所述步驟三具體如下：