[發明專利]一種基于先驗模型約束的抗干擾輪廓跟蹤方法

有效

• 申請號: 201710071152.4
• 申請日: 2017-02-09
• 公開（公告）號: CN106780564B
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 劉萬軍;劉大千;費博雯;曲海成;馮永安
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/11;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

本發明提供一種基于先驗模型約束的抗干擾輪廓跟蹤方法，該方法采用SLIC算法和均值漂移聚類算法建立待跟蹤視頻圖像的初始先驗模型作為目標模型，采用目標模型的目標特征分布對當前幀圖像進行水平集演化，采用SLIC算法和均值漂移聚類算法確定當前幀圖像的目標區域，并根據當前圖像遮擋情況進行先驗模型的更新；本發明方法去除了圖像跟蹤過程中圖像中非目標信息的干擾，使得先驗模型對目標的描述更準確。保證模型的準確性。

技術領域

本發明屬于計算機視覺技術領域，具體涉及一種基于先驗模型約束的抗干擾輪廓跟蹤方法。

背景技術

目標跟蹤技術自提出以來一直是計算機視覺研究領域的熱點問題之一，可以簡單的定義為估計目標物圍繞一個特定場景作規則或不規則運動時，在圖像平面留下的一系列運動軌跡。即通過對視頻序列中的物體做一系列的提取、識別、分類操作，獲得其形態、位置、輪廓等信息。再利用配準技術做分析處理完成對感興趣物體的跟蹤。作為一個熱門的研究領域，目標跟蹤融合了多個領域中的一些先進技術。如圖形圖像處理、目標檢測、行為感知等。由于許多高性能計算機的出現，攝影機、監控器的普及，對監控防護視頻圖像的分析處理的需求，使得越來越多的人關注目標跟蹤。

目標跟蹤是計算機視覺領域的重要組成部分，在智能交通、機器人視覺、運動捕捉等方面有著廣泛的應用。近幾年專家學者提出了許多優秀的目標跟蹤算法以避免光照變化、目標形變、局部遮擋(甚至全局遮擋)、復雜背景等因素的影響。而跟蹤算法如何處理目標輪廓變化是目標跟蹤領域的熱點問題之一。

由于水平集能夠較好地優化目標的拓撲結構，許多研究人員利用水平集方法進行目標的輪廓提取、跟蹤。Freedman和Zhang：分別利用Bhattacharyya距離和Kullback-Leibler距離確定目標的布局，從而定位出最佳候選區域。在此基礎上，兩人結合前景/背景匹配流提出組合流法(combination flow method)。但這兩種算法依賴于初始目標的選取，當初始輪廓與物體的實際輪廓差異較大時，算法需要多次迭代才能收斂。Chiverton等人提出基于學習模型的在線輪廓跟蹤算法，通過初始目標的形態建立先驗目標模型，利用目標模型約束輪廓跟蹤過程。Ning等人通過初始圈定目標的形態信息建立先驗模型，采用水平集方法隱式表示前景/背景區域的目標信息，通過Bhattacharyya相似性度量確定前景/背景中目標的分布區域，實現較為準確的跟蹤。Rathi等人在粒子濾波的框架下，采用幾何活動輪廓模型對目標發生形變、快速運動進行跟蹤，該算法不僅能夠獲取目標仿射變換，而且還能較準確地估計目標的非仿射變換。

但上述五種方法存在以下幾點問題：復雜背景問題：當視頻圖像中發生光照變化、圖像中靜態物體變為運動物、運動目標變為恒定不動的物體時，利用背景做減法容易造成視頻圖像序列中的前景與背景無法區分。如果在圖像序列其后的幾幀甚至幾十幀中始終維持靜止，算法就要實時準確地更新背景模型，從而重新劃分圖像中的前景信息和背景信息保證檢測前景信息的準確性。與此同時，當圖像中有小區域性無關擾動時，如：枝葉的擺動、車輛啟動、風扇的轉動，都會導致前景和背景區域的紊亂。如今，研究人員對復雜背景有了新的解釋，如地鐵站中，不僅會發生燈光明亮十分明顯的變化、多個物體隨機性移動、障礙物與目標發生局部、甚至全局遮擋，而且背景信息中還包含與目標及其相似的物體的干擾給跟蹤算法帶來許多困難。有時在前景區域中，當目標的一些特征與其周圍環境特征較為相似時，在目標檢測過程中出現目標不連續，這也將加大目標跟蹤算法的跟蹤難度。

目標形變問題：實際跟蹤時目標通常為非剛性物體，隨著跟蹤的不斷深入目標自身形態發生變化，目標跟蹤以目標的識別和匹配為前提，當目標處于形變狀態時能否重新識別目標是一個需要解決的問題。若識別失敗則很難再準確匹配目標特征，直接導致目標丟失。一般來說，目標的形變較為復雜、沒有規律性，給跟蹤帶來一定程度的困難。