[發明專利]一種結合運動信息的目標主動輪廓跟蹤方法

有效

• 申請號: 201710446147.7
• 申請日: 2017-06-14
• 公開（公告）號: CN107273905B
• 公開（公告）日: 2020-05-08
• 發明（設計）人: 周雪;馮媛媛;鄒見效;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種基結合運動信息的目標主動輪廓跟蹤方法，以超像素為基本單元，分別對目標與背景區域的表觀特征和運動特征進行建模，并采用決策樹算法將兩者融合起來，克服了傳統的主動目標輪廓跟蹤方法對于表觀特征的依賴性，在目標與背景顏色，紋理等特征相似，但具有明顯相對運動的場景中跟蹤精度有明顯提升，具有很好的應用前景。

技術領域

本發明屬于計算機視覺技術領域，更為具體地講，涉及一種結合運動信息的目標主動輪廓跟蹤方法。

背景技術

在計算機視覺領域中，目標主動跟蹤技術占有十分重要的地位，它通過對視頻中序列圖像的處理，獲得感興趣目標在連續序列圖像中位置隨時間變化的軌跡。目標主動跟蹤技術的應用十分廣泛，如軍事制導，視頻監控，智能交通，人機交互，公共安全等。目標主動跟蹤的表達形式有矩形，橢圓形，輪廓等，采用輪廓的形式能很好的表達目標形狀與尺寸的變化信息，為高層行為的識別與理解提供方便，因此，目標主動輪廓跟蹤一直是目標跟蹤領域的一個研究熱點。目標主動輪廓跟蹤算法主要分為參數主動輪廓模型和幾何主動輪廓模型。

參數主動輪廓模型以上世紀八十年代Kass等人提出Snake模型為代表，該方法用參數顯示的表達曲線，通過求解一個能量變分模型的最小值來實現輪廓分割。Snake模型具有良好的跟蹤特定區域目標輪廓的能力，常被用來進行醫學圖像的分割，但存在以下缺點：對圖像邊界的捕捉范圍很小，對初始輪廓的要求很高，對參數設置非常敏感，不能靈活處理拓撲變化，而且容易錯誤的收斂到局部極值點。

幾何活動輪廓模型以Osher等人提出的水平集(Level Set)方法為代表，它以隱式方法的來描述輪廓，用一個n+1維的水平集函數的零值來表達一個n維的曲線，因此能夠靈活處理目標拓撲變化。水平集方法廣泛應用于圖像處理和計算機視覺領域，例如圖像分割，目標跟蹤，形狀檢測與識別等。傳統的水平集方法將水平集函數初始化為符號距離函數，并且每隔一段時間需要進行重新初始化，導致計算復雜，耗時很大。李純明等人提出了DRLSE(Distance Regularized Level Set Evolution)模型，將水平集初始化為二值函數，然后通過構造一個帶距離約束的能量懲罰項使得水平集函數近似的保持為符號距離函數，從而保證了穩定的數值解，并且避免了重新初始化，大大的減小了計算量。

將水平集運用到目標主動跟蹤領域，通常需要將目標的先驗知識，如顏色，梯度，紋理，形狀等表觀特征加入到水平集演化方程中，來約束曲線進化到目標邊緣處。由于單個像素的特征提取容易受噪聲干擾產生不穩定性，可以考慮采用超像素對圖像進行分割。超像素將圖像劃分成顏色，紋理等表觀特征相似的鄰近像素的集合，具有計算效率高，保持圖像邊界等優點，使用超像素作為圖像處理的基本單元，比直接考慮單個像素更為有效。

除此之外，目標的運動也是一種非常有效的可用于跟蹤的特征，特別是在目標與背景具有明顯相對運動的場景中，運動特征可作為顏色，紋理等表觀特征的有效補充，得到更加精確的輪廓跟蹤結果。光流法通常被用來刻畫運動信息，由光流法得到的光流場能夠代表每個像素點的運動速度大小和方向，在具有明顯相對運動的場景中，運動目標區域和背景區域的光流場幅值大小具有明顯的差異，利用光流場能夠有效地區分出運動目標與背景。

發明內容

本發明的目的在于克服現有技術的不足，提出一種結合運動信息的目標主動輪廓跟蹤方法，以克服表觀特征目標輪廓跟蹤對于顏色，梯度等特征的依賴性，在目標表觀特征不夠明顯，但是具有明顯相對運動的場景中能達到良好的跟蹤效果。

為實現上述發明目的，本發明結合運動信息的目標主動輪廓跟蹤方法，其特征在于，包括以下步驟：

(1)、初始化SVM(支持向量機)分類器

針對序列圖像第一幀圖像，首先手動標定初始輪廓，初始輪廓的最大外接矩形向外擴大p個像素點后的區域作為感興趣區域(Region of Interest，簡稱ROI)；然后，對感興趣區域進行超像素分割，得到一系列的超像素；