[發明專利]一種基于雙向SIFT流運動評估的大位移目標稀疏跟蹤方法

有效

• 申請號: 201610863484.1
• 申請日: 2016-09-29
• 公開（公告）號: CN106447696B
• 公開（公告）日: 2017-08-25
• 發明（設計）人: 張煥龍;錢曉亮;陳虎;吳青娥;賀振東;刁智華;王延峰
• 申請（專利權）人: 鄭州輕工業學院
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 鄭州優盾知識產權代理有限公司41125
• 代理人: 張紹琳,栗改

技術領域

本發明涉及動態攝像機下視頻目標持續跟蹤的技術領域，尤其涉及一種基于雙向SIFT流運動評估的大位移目標稀疏跟蹤方法。

背景技術

在傳統視頻跟蹤方法研究中，大部分研究者給定了一個運動平滑性假設條件，也就是說目標在視頻幀間的運動變化是連續且光滑的。然而，在實際跟蹤場景中，往往會因為攝像機視野切換或晃動、視頻幀被抽取、目標快速運動和低幀率視頻采集等客觀因素的存在，導致目標在視頻幀間產生了大的運動位移，破壞了傳統研究方法的假定條件，引起現有大量目標跟蹤算法的執行失敗。為了適應跟蹤目標這種異常的運動行為，保證算法能夠持續地跟蹤興趣目標，必須提出一種新的視頻目標跟蹤算法。

針對上述問題，很多研究者提出了一些研究思路：(1)基于檢測方法的目標跟蹤，旨在利用檢測手段搜索整個狀態空間以覆蓋不同的運動位移，這類方法的優點是能夠在特定的場景下適應大位移運動目標的跟蹤問題，但其易遭遇局部最優化問題，而且擴大的搜索范圍會導致大量的背景信息有待處理，如果出現背景復雜的場景跟蹤這類方法容易失敗；(2)基于多尺度和分層策略的目標跟蹤，旨在利用多尺度和分層策略使得目標運動在高尺度或高層空間下再次滿足平滑性條件；這類方法的優點是簡單易操作，但其適合于目標幀間運動位移不太大的情況下，而且嚴重依賴分解的層數或尺度數目；(3)基于多運動模型的目標跟蹤，旨在通過預先設計的運動模型并借助其能夠容忍各種運動位移量而實現有效跟蹤，這類方法的優點是直接從目標運動入手能夠精確實現不確定運作狀態的評估，但是該類方法嚴重依賴精確的運動模型，在現實中因為目標運動的不確定性其難以廣義化；(4)基于馬爾科夫鏈蒙特卡羅(Markov-chain Monte Carlo，MCMC)的目標跟蹤，旨在通過不同的重要性采樣方法提供能夠覆蓋目標所有運動狀態以解決目標的大位移運動問題。該類方法的優點是能夠處理目標的多模態分布和目標丟失再跟蹤的問題，但該類方法需要先驗信息，而且容易陷入局部最優化。

因此，研究一種基于雙向SIFT流運動評估的目標稀疏跟蹤新方法，能夠直接從幀間運動場出發評估目標運動位移的程度，不需要任何先驗信息；能夠避免局部陷入問題，這將給大 位移目標持續性跟蹤方法研究指引一個新的研究方向；通過對該技術的深入研究能夠盡可能地減少目標持續性跟蹤技術的約束條件，大大促進跟蹤方法的實際應用化進程。

發明內容

為了解決上述技術問題，本發明提出了一種基于雙向SIFT流運動評估的大位移目標稀疏跟蹤方法，將擴展SIFT流方法引入到視頻目標跟蹤問題中，結合稀疏外觀表示理論通過在線學習實現外觀模型的實時更新，對動態攝像機下目標存在幀間運動大位移時能夠有效地實現持續性跟蹤，實現了幀間存在大運動位移目標的精確跟蹤，提高了在復雜場景下跟蹤的適應能力。

為了達到上述目的，本發明的技術方案是：將SIFT流方法引入到跟蹤問題中，提出雙向SIFT流運動評估方法，利用其特性可以實現對目標幀間的大運動位移進行預測；采用稀疏表示理論描述目標外觀，有效地提高了外觀模型對部分遮擋和光線變化等環境因素的容忍度；觀測樣本采樣有效性的提高，能夠構建良好的字典矩陣，再通過字典學習，保證了外觀模型的魯棒性。本發明中提出的雙SIFT流運動評估策略，能夠保證目標幀間產生大位移時，獲得好的觀測樣本集合，從而跟蹤能夠適應目標在幀間存在大運動位移的情況。

一種基于雙向SIFT流運動評估的大位移目標稀疏跟蹤方法，其步驟如下：

步驟1：初始化字典：讀取第一幀圖像數據信息以及目標在第一幀內給定的狀態參數，在目標初始位置處稠密采樣產生目標模板T₁,T₂,…,T_n，選擇單位矩陣I_m作為瑣屑模板，將瑣屑模板壓縮為G*J的大小，再拉伸為m維列向量，構造初始的字典其中，D_T表示字典模板，T_j表示第j個目標的正樣本，j＝1,…,n，n表示模板的數目，G和J分別表示瑣屑模板的寬度和高度，m表示向量的維數，表示實數域；

步驟2：采用雙向SIFT流技術評估目標運動位移：新一幀圖像到來時，依據雙向SIFT流技術評估目標在上一幀圖像和新一幀圖像之間的運動位移量，其包括的主要內容為：

(1)對相鄰兩幀圖像中的所有像素點采用SIFT流技術進行特征匹配，相鄰兩幀圖像中的所有像素點匹配問題轉換成采用置信度傳播方法求解下式的最優化問題：