[發明專利]一種視覺目標跟蹤方法及裝置

有效

• 申請號: 201611151489.8
• 申請日: 2016-12-13
• 公開（公告）號: CN106650805B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 尹英杰;王欣剛;徐德
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鐘文芳

本發明提供了一種目標跟蹤方法及裝置。所述方法包括：離線訓練特定目標的檢測器；采用檢測器檢測圖像中的目標；在線學習跟蹤器判別模型；采用跟蹤器跟蹤下一幀圖像中的目標；通過檢測器判斷跟蹤器是否跟蹤失敗；若跟蹤失敗則重新檢測圖像中的目標，若跟蹤成功則累積目標的特征向量及對應的子圖像，并在線學習跟蹤器判別模型；通過基于密度峰值的方法在線挖掘正支持向量，對跟蹤器進行在線修正，然后采用跟蹤器跟蹤下一幀圖像中的目標。

技術領域

本發明屬于計算機圖像技術領域，具體地涉及一種融合檢測器的魯棒視覺目標跟蹤的方法及裝置。

背景技術

常見的視覺目標的跟蹤方法是通過人工選取第一幀圖像中的目標，然后通過在線學習目標的生成模型或在線學習判別目標和背景的判別模型來實現對目標的跟蹤，在一些復雜條件下(如環境光線變化、目標被遮擋及目標不在攝像機視野內等)，會導致跟蹤漂移問題，進而使得跟蹤失敗，由于缺乏檢測器的有效輔助，跟蹤器丟失目標之后很難重新跟蹤到目標。

發明內容

為了解決現有技術中在復雜條件下，跟蹤器會產生漂移問題使得跟蹤失敗以及跟蹤器丟失目標之后很難重新跟蹤到目標等問題，本發明目的在于提供一種融合檢測器的魯棒的視覺目標跟蹤方法及裝置。

根據本發明的一個方面，提供了一種視覺目標跟蹤方法，該方法包括步驟如下：

步驟S1：離線訓練預定目標的檢測器

步驟S2：采用所述檢測器檢測第i-1幀圖像中的所述預定目標，其中i為大于等于1的正整數；

步驟S3：在線學習跟蹤器判別模型；

步驟S4：采用所述跟蹤器判別模型跟蹤第i幀圖像中的所述預定目標；

步驟S5：通過所述檢測器判斷所述跟蹤器判別模型跟蹤所述預定目標是否成功；

步驟S6：若所述跟蹤器判別模型跟蹤所述預定目標成功，則存儲所述跟蹤器判別模型跟蹤得到的所述預定目標的特征向量及跟蹤得到的目標圖像，并在線學習跟蹤器判別模型，轉步驟S7；否則，i＝i+1，轉步驟S2重新檢測所述預定目標并重新在線學習所述跟蹤器判別模型；

步驟S7：通過基于密度峰值的方法在線挖掘正支持向量，并對跟蹤器進行在線修正，i＝i+1，然后跳轉到步驟S4。

其中，步驟S1包括以下步驟：

步驟S11：計算正負樣本圖像的梯度方向直方圖特征，生成正樣本圖像和負樣本圖像的特征向量；包括：

步驟S11A：將正樣本圖像通過雙線性差值方法歸一化為固定大小w_s×h_s，其中w_s為歸一化正樣本圖像的寬，h_s為歸一化正樣本圖像的高；

步驟S11B：將歸一化的正樣本圖像劃分為N_c1×N_c2個細胞單元C_ij，1＜i＜N_c1，1＜j＜N_c2；每個細胞單元大小為k×k，其中k＝w_s/N_c1＝h_s/N_c2；

步驟S11C：在每個細胞單元C_ij中對梯度方向進行獨立統計，以梯度方向為橫軸的直方圖，然后將這個梯度分布平均分成多個無符號方向角度，每個方向角度范圍對應方向角度范圍的梯度幅值累積值，將多個梯度幅值累積值組成多個維特征向量V_ij，然后通過4個歸一化系數對V_ii進行歸一化，進而得到細胞單元C_ij對應的特征向量F_ij；