[發(fā)明專利]基于稠密軌跡投票的多目標分割與跟蹤方法

在審

• 申請?zhí)枺?/td>: 201710023822.5
• 申請日: 2017-01-13
• 公開（公告）號: CN106846358A
• 公開（公告）日: 2017-06-13
• 發(fā)明（設計）人: 楊濤;張卓越;張艷寧;李治;劉小飛
• 申請（專利權）人: 西北工業(yè)大學深圳研究院;西北工業(yè)大學
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/246;G06T7/269;G06T7/11
• 代理公司: 西北工業(yè)大學專利中心61204
• 代理人: 王鮮凱

技術領域

本發(fā)明涉及一種多目標跟蹤方法，特別是涉及一種基于稠密軌跡投票的多目標分割與跟蹤方法。

背景技術

多目標跟蹤技術是計算機視覺領域的一個傳統(tǒng)問題，也是一個難點問題。文獻“Robust object tracking by hierarchical association of detection responses.In European Conference on Computer Vision,pages 788–801.”公開了一種多目標跟蹤方法。該方法提出了一種由低到高的多層跟蹤的基礎性框架，其中最關鍵的是數(shù)據(jù)關聯(lián)。目前基于數(shù)據(jù)關聯(lián)的方法遇到了前所未有的挑戰(zhàn)，遮擋問題尤其明顯。當場景中物體被遮擋，檢測器無法檢測出目標，軌跡將中斷。現(xiàn)有多數(shù)解決辦法是大多基于目標勻速運動假設或者要求軌跡光滑連續(xù)，根據(jù)運動信息預測目標位置，但實際情況往往并非如此。如果目標出現(xiàn)急轉(zhuǎn)或者回轉(zhuǎn)，均會導致關聯(lián)錯誤。故需要更加靈活、復雜的運動模型應對。

發(fā)明內(nèi)容

為了克服現(xiàn)有多目標跟蹤方法跟蹤準確率低的不足，本發(fā)明提供一種基于稠密軌跡投票的多目標分割與跟蹤方法。該方法首先利用前景提取方法提取出目標連通域，然后根據(jù)軌跡所在連通域，對每幀中每條軌跡進行標記。根據(jù)軌跡的歷史標記信息，計算軌跡間的相關性，然后利用區(qū)域增長的圖割方法提取運動目標、分割并跟蹤。本發(fā)明將多運動目標的跟蹤問題轉(zhuǎn)化為弱分類器累積問題，實現(xiàn)了更為簡易精確的多運動目標的分割與跟蹤。

本發(fā)明解決其技術問題所采用的技術方案是：一種基于稠密軌跡投票的多目標分割與跟蹤方法，其特點是包括以下步驟：

步驟一、前景提取以及目標連通域提取。

利用Vibe方法對當前視頻幀F(xiàn)rame_j進行提取前景，生成前景二值圖像；然后利用多項式擬合的連通域處理得到目標的連通區(qū)域Connect_i，并對連通域Connect_i進行編號L_i。

步驟二、稠密軌跡標記以及累計投票。

每個連通域編號之后，根據(jù)當前第j幀F(xiàn)rame_j中，第i條稠密軌跡Trajectory_i端點v_i所在的連通區(qū)域Connect_i標記上相應的標號T_i＝L_i，不屬于任何連通域的端點標號T_i＝-1，i為軌跡計數(shù)編號。軌跡上的每個節(jié)點都攜帶每一幀中的標記信息當前幀的標記信息初始化為計算兩條軌跡A，B的相關性時，比較當前幀中軌跡端點的差異值

對于三種不同的差異值，兩兩軌跡之間的相關性約束也不同。

(a)當時，表示在當前幀T_A＝TB，軌跡A，B的端點v_A，v_B屬于同一連通域。然后根據(jù)歷史軌跡標記情況判斷A，B是否屬于同一目標。軌跡上的每個節(jié)點都攜帶每一幀中的標記信息ID_i，計算軌跡標記信息差異值

在歷史幀中，計算兩條軌跡的每幀差異并進行累計投票。

其中，m是兩條軌跡共享的第一幀，n是兩條軌跡所共享的連續(xù)幀數(shù)量，當投票累計的結(jié)果為非負數(shù)時，則兩條軌跡在歷史中屬于同一目標的可能性大，則合并軌跡A，B，使當前幀中ID_B＝ID_A。

(b)當時，為了避免前景提取所帶來的誤差，利用空間、色彩以及運動信息來判斷兩個軌跡的相關性。

其中，被定義為：

是光流的變化量，T是計算運動變化的時間區(qū)間，T＝5。

兩個軌跡間的差異定義如下：

Diff(A，B)＝β₁d^motion(A，B)+β₂d^spation(A，B)+β₃d^color(A，B)(7)

β₁、β₂與β₃是三個限定權值，通過權值來調(diào)節(jié)時間空間和運動信息的重要程度，對于運動目標分割運動信息的權值應最大β₁＝0.7。

(c)當時，軌跡A，B屬于不同目標。

步驟三、基于區(qū)域增長圖的圖像分割。