[發明專利]一種基于相關濾波器的長期行人跟蹤方法

有效

• 申請號: 201710013229.2
• 申請日: 2017-01-09
• 公開（公告）號: CN106934338B
• 公開（公告）日: 2020-11-24
• 發明（設計）人: 包曉安;江維創;陳耀南;張娜;徐新良
• 申請（專利權）人: 浙江漢凡軟件科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 鄭海峰

本發明公開一種基于相關濾波器的長期行人跟蹤方法。本方法包括以下步驟：S1：讀入監控視頻，劃定目標區域；S2：提取目標區域內行人特征；S3：判定目標是否被遮擋；S4：嶺回歸訓練和檢測；S5：將跟蹤的行人加以標記輸出到視頻監控。本發明對目標區域內提取行人特征，先判斷目標行人是否被遮擋，若被遮擋，則在遮擋后提取預測區域特征與已提取特征進行相似度匹配，達到一定閾值判定搜索到目標行人，再使用嶺回歸訓練檢測來跟蹤；若無遮擋，則直接進行嶺回歸訓練檢測來跟蹤。行人再識別提高了目標行人跟蹤的準確性，傅立葉變換在嶺回歸訓練檢測的應用提高了跟蹤的速度。

技術領域

本發明涉及智能視頻監控、計算機視覺、機器視覺領域，具體涉及一種基于相關濾波器的長期行人跟蹤方法。

背景技術

行人跟蹤在計算機視覺領域中是一個基礎性分支，其應用非常廣泛，如智能相機、自動駕駛、視頻監控等等。在過去幾十年里，行人跟蹤的研究有了很大的進展，但是由于應用環境的限制，如光照的影響，行人在運動過程中發生的遮擋和形變這些因素，使得行人跟蹤算法性能較低，強魯棒性的算法難以實現。

行人跟蹤是智能視頻監控的一個重要分支，在機場、火車站、體育場、候車室和展覽館等大型公共場合的行人跟蹤是智能視頻監控系統不可缺少的內容。目前已有的行人跟蹤方法主要存在如下的問題：

行人與行人或者行人與環境的遮擋問題，運動行人發生的形變問題，隨著時間的變化光照的變化問題等。行人在運動過程中由于受到上述因素的影響，對其跟蹤的過程也變得越來越難，最終便會丟失目標。

所以如何提高在復雜環境下視頻監控系統中行人跟蹤的魯棒性是有待解決的問題。

發明內容

為了解決上述的技術問題，本發明的目的就在于提高行人跟蹤的準確性和性能，提供一種基于相關濾波器的長期行人跟蹤方法。

本發明所采用的技術方案是：

S10，讀入監控視頻，對目標劃定目標區域。

S20，提取目標區域顏色特征和LBP特征。

S30，判定目標是否被遮擋。

S40，嶺回歸訓練和檢測。

S50，將跟蹤到的行人加以標記輸出到視頻監控。

上述的技術方案，其中，所述步驟S10中讀入監控視頻，對目標劃定目標區域包括如下步驟：

S11，使用鼠標對行人目標劃定矩形區域，系統初始化各類跟蹤參數。

上述的技術方案，其中，所述步驟S20中提取目標區域顏色特征和LBP特征中包括如下步驟：

S21，把目標區域平均分成5個水平條帶，每個水平條帶的每種顏色空間的每個通道都提取16維顏色直方圖特征。

S22，對于每個水平條帶，分別提取LBP等價模式中鄰域點數為8半徑為1和鄰域點數為16半徑為2的特征，然后將所有的特征串聯成行人特征。

S23，由于提取出的特征維數較大，使用PCA方法進行降維。

上述的技術方案，其中，所述步驟S30中判定目標是否被遮擋包括如下步驟：

S31，找到行人目標概率分布最大的位置和概率分布的最大值。

S32，在最大值的周圍，找出滿足大于某個概率分布閾值的所有點。

S33，計算上述所有點到概率分布最大值點的歐式距離和。

S34，若歐式距離和大于設定的閾值，則判定受到遮擋。

上述的技術方案，其中，所述步驟S40中嶺回歸訓練如下步驟：