[發明專利]一種基于聚類融合的視頻序列的目標跟蹤方法

有效

• 申請號: 201610160169.2
• 申請日: 2016-03-21
• 公開（公告）號: CN105741326B
• 公開（公告）日: 2018-12-14
• 發明（設計）人: 于昕;王利俠;任逸暉;胡文潔;孟賀;李桃桃;李曉亮;池彩虹
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/20
• 分類號: G06T7/20
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 黃浩威

本發明公開了一種基于聚類融合的視頻序列的目標跟蹤方法，首先對視頻序列中的目標采用多種方法實現跟蹤，得出相應的跟蹤結果，其表現形式為被跟蹤目標的矩形外界邊框的坐標。然后將得出的所有跟蹤結果作為輸入，采用輸入的所有矩形外界邊框的坐標的均值作為被跟蹤目標的初始聚類中心。不限定分類數，對所有輸入的矩形外界邊框的坐標進行加權分類，判斷其是否屬于該初始類。最后以聚類后屬于初始類的矩形外界邊框的坐標取均值，作為最終跟蹤結果。通過本發明方法，可以融合多種視頻序列跟蹤方法，從而提高了跟蹤效果，而且運行時間也大大縮短。

技術領域

本發明涉及計算機視覺、模式識別等領域，具體涉及將多種視頻序列目標跟蹤方法進行融合，可用于對視頻序列中的目標進行跟蹤。

背景技術

目標跟蹤廣泛應用于視頻監視、人機交互及交互視頻的制作。目標跟蹤具有很高的難度，要考慮眾多的影響因素，比如光照變化，目標半遮擋和全遮擋，二維/三維目標旋轉、變形，比例變化，低分辨率，快速移動，目標模糊，目標與背景相似或與場景中的其他物體相似。因此，傳統的單一跟蹤方法難以實現對所有場景的高準確度跟蹤，只能解決專門場景中的目標跟蹤。

對于目標跟蹤，國外學者最新發表的《Parallel robust online simpletracking》中，用特定的方式結合光流法，模板跟蹤法和檢測算法進行目標跟蹤。此方法可以提高跟蹤效果，但是這三部分算法只能被相似的方法替換，有太大的局限性。

目前的算法的共性在于：算法只能融合固定的算法或者只能被相似的算法替換，因此如果有一種新方法，它能夠融合多種(數量大于等于2)視頻序列目標跟蹤方法且能實現較好的跟蹤效果，那將是目標跟蹤領域的一大進步。

發明內容

針對現有技術的不足，本發明旨在提供一種基于聚類融合的視頻序列目標跟蹤方法，針對各種影響跟蹤的因素，通過融合不同方法的跟蹤結果來得出一種結果。

為了實現上述目的，本發明采用如下技術方案：

一種基于聚類融合的視頻序列的目標跟蹤方法，包括如下步驟：

S1獲取被跟蹤目標的視頻序列；

S2對所述視頻序列采用至少兩種方法進行目標跟蹤，分別得到采用每種方法進行目標跟蹤的結果；

S3根據步驟S2中各種方法得到的目標跟蹤結果，確定每種方法得到的被跟蹤目標矩形外界邊框，并將所有的矩形外界邊框坐標作為輸入；

S4以步驟S3中輸入的所有矩形外界邊框坐標的均值作為被跟蹤目標的初始聚類中心，不限定分類數，對所有輸入的矩形外界邊框的坐標進行加權分類，判斷其是否屬于該初始類；

S5經過步驟S4的聚類后，對初始類中所有矩形外界邊框的坐標取均值，即為最終的目標跟蹤結果。

需要說明的是，步驟S4中對每個輸入的矩形外界邊框的坐標進行加權分類，確定是否屬于初始類的具體方法如下：

令

s＝1：n；

t＝1：m；

H(t，s)＝data(t，s)/aveData(s)；

其中，H(t，s)為輸入的每個矩形外界邊框坐標數據對應的權重，n為每個矩形外界邊框坐標數據的維數，m為矩形外界邊框坐標數據的個數總數，s為某個矩形外界邊框坐標數據中的第s維，t為所有矩形外界邊框坐標數據中的第t個數據，data(t，s)為每個t和s所對應的矩形外界邊框坐標數據，aveData為所有矩形外界邊框坐標數據的均值，aveData(s)為均值對應的維數，即每個矩形外界邊框坐標數據的每一維的權重就是該矩形外界邊框坐標數據除以均值相對應的維數；