[發明專利]多特征融合目標跟蹤方法及基于信息熵的權值自適應方法

有效

• 申請號: 201710480345.5
• 申請日: 2017-06-22
• 公開（公告）號: CN107316321B
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 李滾;王子揚;秦開宇
• 申請（專利權）人: 電子科技大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 成都拓荒者知識產權代理有限公司 51254
• 代理人: 鄒廣春

本發明公開了一種多特征融合目標跟蹤方法及基于信息熵的權值自適應方法，其中，多特征融合目標跟蹤方法包括以下步驟：S1、構建系統狀態模型和系統觀測模型；S2、根據系統狀態模型，采樣得到當前時刻的粒子集；S3、提取候選目標的多個特征，并計算相關系數和相關距離；S4、加權融合各特征，并計算粒子的先驗概率密度似然函數，預測目標的位置。與現有技術相比，本發明的有益效果是：利用顏色、紋理及邊緣特征進行目標特征提取，及引用相關性測量多特征的相關距離，從而提高了多特征對目標描述的準確性和全面性。以及基于信息熵的自適應更新多特征融合的權值，提高了方法對抗復雜場景的魯棒性以及運行效率，適用于目標被遮擋，背景光照不斷變化，目標的尺度變化等復雜場景。

技術領域

本發明屬于計算機視覺領域，具體涉及一種多特征融合目標跟蹤方法及基于信息熵的權值自適應方法，可用于復雜情況干擾下目標的連續穩定跟蹤。

背景技術

目標跟蹤是軍用探測系統和民用監控系統的重要任務之一。目標跟蹤，指的是在視頻序列中確定感興趣的運動目標的大小，位置和運動軌跡，從而為更高層的處理和分析奠定基礎。然而，目前研究跟蹤方法的仍存在很多難點，主要包含有四大類：(1)復雜的環境背景：在惡劣的雨、雪、霧、霾等天氣條件下，圖像因復雜背景帶來視覺效果的模糊，使得目標特征難以通過傳統的基于特征的跟蹤方法進行提取。另外，傳感器噪聲、以及相機抖動等干擾，給圖像處理及目標跟蹤帶來困難。(2)復雜跟蹤場景干擾：真實的目標場景復雜多變，對運動目標檢測跟蹤造成各種各樣的干擾，從而影響人們對事物的判斷。如：不斷變化的光照條件，與目標相似物體的干擾，目標被部分或嚴重遮擋等情況。(3)目標運動形式多變：目標運動中發生形狀，尺度，旋轉，以及運動模糊等變化，導致目標的外觀發生大幅度的變化，這對于目標檢測跟蹤提出了很高的要求。(4)實時性要求：智能視頻監控最重要的需求之一就是實時性。然而，提高檢測跟蹤方法的實時性，自然會影響到方法的計算量，從而影響方法跟蹤結果的準確性。因此，方法需要考慮如何適應場景的變化和干擾，準確地描述目標的特征，更好地兼顧方法的準確性和實時性，保證不會出現錯誤跟蹤或跟蹤目標丟失等情況。

目前用于運動目標的跟蹤方法主要分為四大類：基于特征點的跟蹤、基于區域的跟蹤、基于光流的跟蹤、基于活動輪廓的跟蹤。基于特征點的跟蹤方法通常指的是通過跟蹤在目標上具有多個方向的一組奇點信息來實現目標跟蹤，并且可以精確地將特征點的信息應用于匹配減輕。該方法可以很好地解決部分遮擋問題，但要保證能夠準確地提取和保存特征點信息。基于區域的跟蹤方法主要通過創建用來表征運動目標特征的模板，并與目標進行匹配，從而確定目標的位置。方法適用于形變較小，且無遮擋的目標，跟蹤準確且穩定。但缺點是方法計算量較大。基于光流的跟蹤方法，充分利用視頻序列在前景的運動特性來實現目標跟蹤。光流法分為全局光流法和特征點光流法。全局光流法在復雜背景中的跟蹤效果較好，但是計算量相對較大。特征點光流法速度較快，但效果一般。基于活動輪廓的跟蹤方法結合圖像特征和閉合曲線輪廓來構造能量函數，通過求解最小化的能量來跟蹤目標。方法考慮目標整體輪廓的幾何信息，因而可靠性較高。但是方法的計算量相對較大，對于快速移動或形變較大的目標的跟蹤效果不是十分理想。

考慮到單一的特征提取方法不能足夠準確地描述目標,并且隨后的軌跡評估也缺乏魯棒性。許多學者通過結合多個特性和自適應融合方法，來實現更加穩定的跟蹤。然而,大多數的目標跟蹤方法中，對目標特征的表達能力較弱，缺乏適應環境變化的融合策略，跟蹤的結果或者對某些目標的形態變化敏感，或者對復雜場景中的適應能力有限，或者運算復雜度較高，從而導致跟蹤方法的可靠性較低，魯棒性較差，限制了方法的研究和應用范圍。因此,迫切需要一個能夠在復雜的場景中，能夠保持準確、魯棒和自動的目標跟蹤方法。

發明內容