[發明專利]基于先驗信息的目標跟蹤方法及系統

有效

• 申請號: 201710375095.9
• 申請日: 2017-05-24
• 公開（公告）號: CN108932731B
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 周曦;李遠錢
• 申請（專利權）人: 上海云從企業發展有限公司
• 主分類號: G06T7/292
• 分類號: G06T7/292;G06T7/246
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 李琦

本發明提供一種基于先驗信息的目標跟蹤方法及系統，包括：基于訓練集內圖像的先驗信息，根據圖像中目標框與擾動框之間的對應關系得到目標模型；采用目標模型加載視頻得到每幀圖像；預估當前幀圖像的目標位置，將其前一幀圖像的目標位置設為當前幀圖像的目標初始位置，以目標初始位置為初始點迭代計算當前幀圖像的目標位置。通過已知跟蹤目標得到其對應的先驗信息，了解跟蹤目標的各個姿態、光照、環境下的信息，有效利用目標先驗信息，大大提高了目標跟蹤的準確性；預估目標跟蹤的初始位置，迭代計算當前幀圖像的目標位置，顯著提高了本發明目標跟蹤的可靠性，從而具有很強的魯棒性，快速地糾正了目標跟蹤過程中出現的漂移現象。

技術領域

本發明涉及跟蹤監控技術領域，特別是涉及一種基于先驗信息的目標跟蹤方法及系統。

背景技術

隨著機器視覺與人工智能研究的不斷深入，目標跟蹤作為視頻監控、人機交互、智慧城市等的基礎技術受到研究人員的廣泛關注。然而，由于目標的非剛體特性、遮擋、光照或幀缺失等復雜情況，長期準確穩定的進行目標跟蹤具有比較大的難度和挑戰性。

在實際跟蹤過程中，許多被跟蹤目標類別是已知的，例如人臉跟蹤中的人臉，客流統計中頭肩、人頭等，已知類別的目標提供了很強的先驗信息，這種類別的先驗信息無疑對跟蹤是很有幫助的，可以有效的解決跟蹤中漂移問題。

目前的學術領域的大多數跟蹤方法都是針對一般物體的跟蹤，研究的是利用目標的在線信息進行跟蹤，如online Boosting、CT、TLD等。這類算法一般通過第一幀圖像初始化目標模型，并在跟蹤過程中不斷的更新目標模型，其優勢在于可充分利用新的樣本信息。但這類方法對目標的建模信息往往只有第1幀，沒有充分的利用物體類別等先驗信息，或者說沒有對被跟蹤目標進行全方位建模(即告訴算法這個目標側面長什么樣，光照較暗時長什么樣等)，因此，在跟蹤過程中，當目標的姿態，背景等發生變化時，很容易出現“漂移”現象，而且糾正不回來。雖然有點算法有在線學習步驟(即加入后續幀的信息對目標進行建模)，但學習步驟中正負樣本的收集只是一種啟發式的方法，例如假設當前時刻對目標的跟蹤是正確的(這個假設本來就不一定正確)，然后將當前目標一定范圍內(較近)的圖片patch收集為正例，范圍外(較遠)的圖片patch為負例，以此在線訓練一個分類器對目標模型進行更新。這種啟發式的方法并未解決對目標建模不充分的問題，長時間跟蹤后慢慢的就會漂移到不是我們想要的目標。

然而，工程中常用的基于檢測的跟蹤方法雖然也會利用了先驗信息，但一般采用分類方式，即用在上一幀目標的附近一定范圍內檢查每一個圖片patch是否為目標類(暴力搜索方式)，采用上述方法不僅計算量大，如果為了滿足實時性往往只能采用檢測較簡單的特征(如Haar等)，從而無法保證分類精度。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種基于先驗信息的目標跟蹤方法及系統，用于解決現有技術中目標跟蹤中出現的漂移問題。

為實現上述目的及其他相關目的，本發明提供一種基于先驗信息的目標跟蹤方法，包括：

基于訓練集內圖像的先驗信息，根據圖像中目標框與擾動框之間的對應關系得到目標模型；

采用所述目標模型加載視頻得到每幀圖像；

預估當前幀圖像的目標位置，將其前一幀圖像的目標位置設為當前幀圖像的目標初始位置，以所述目標初始位置為初始點迭代計算當前幀圖像的目標位置。

本發明還提供了一種基于先驗信息的目標跟蹤系統，包括：

模型訓練模塊，用于基于訓練集內圖像的先驗信息，根據圖像中目標框與擾動框之間的對應關系得到目標模型；

加載模塊，用于采用所述目標模型加載視頻得到每幀圖像；