[發(fā)明專利]基于TLD跟蹤系統(tǒng)的視頻目標(biāo)跟蹤方法

有效

• 申請?zhí)枺?/td>: 201710595737.6
• 申請日: 2017-07-20
• 公開（公告）號: CN107423702B
• 公開（公告）日: 2020-06-23
• 發(fā)明（設(shè)計）人: 趙亦工;宗家輝
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西安睿通知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 61218
• 代理人: 惠文軒

本發(fā)明屬于目標(biāo)檢測和目標(biāo)跟蹤領(lǐng)域，公開了一種基于TLD跟蹤系統(tǒng)的視頻目標(biāo)跟蹤方法，包括：在跟蹤目標(biāo)的起始幀，根據(jù)給出所需要跟蹤目標(biāo)的位置和大小信息，生成子圖像窗口，并對CSK跟蹤器和檢測器進(jìn)行初始化；跟蹤器根據(jù)上一幀跟蹤到的目標(biāo)以及當(dāng)前幀跟蹤到的目標(biāo)估計出本幀圖像中目標(biāo)的位置；用檢測器找到在當(dāng)前幀中所有可能出現(xiàn)的目標(biāo)區(qū)域；對跟蹤器和檢測器的結(jié)果進(jìn)行綜合，判斷出當(dāng)前幀是否存在目標(biāo)，如果不存在目標(biāo)，則對下一幀進(jìn)行處理；如果存在目標(biāo)，就判斷目標(biāo)是否有效；如果有效，則進(jìn)入學(xué)習(xí)模塊，完成檢測器和跟蹤器的在線更新，并開始對下一幀進(jìn)行處理；能夠解決目標(biāo)出現(xiàn)遮擋時對目標(biāo)進(jìn)行有效檢測的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于目標(biāo)檢測和目標(biāo)跟蹤技術(shù)領(lǐng)域，尤其涉及一種基于TLD(Tracking-Learning-Detection，跟蹤學(xué)習(xí)檢測)跟蹤系統(tǒng)的視頻目標(biāo)跟蹤方法。

背景技術(shù)

運(yùn)動目標(biāo)的檢測和跟蹤是計算機(jī)視覺領(lǐng)域重要的研究內(nèi)容之一。通過人眼將運(yùn)動的目標(biāo)從視頻序列中分析識別出來是非常容易的，但是對于計算機(jī)來說卻是很困難的，因為跟蹤目標(biāo)的形態(tài)變化、背景混雜以及光照變化都會對跟蹤帶來巨大的干擾。運(yùn)動的目標(biāo)跟蹤與檢測是利用數(shù)字圖像處理以及視頻分析等相關(guān)技術(shù)對視頻序列圖像進(jìn)行處理分析，最終使計算機(jī)理解視頻序列中的客觀背景和目標(biāo)。實(shí)時跟蹤已經(jīng)在監(jiān)控安防、智能機(jī)器人、遙感探測和航天航空等領(lǐng)域發(fā)揮著重要作用，研究此問題具有重要的應(yīng)用價值。

運(yùn)動目標(biāo)檢測與跟蹤在工業(yè)上安防、航天航空、遙感探測、智能機(jī)器人等領(lǐng)域發(fā)揮著重要作用。未來基于計算機(jī)視覺的目標(biāo)跟蹤系統(tǒng)不僅在電子技術(shù)、工業(yè)檢測等傳統(tǒng)行業(yè)具有巨大的市場，在基礎(chǔ)設(shè)施的配套工程，如：城市道路監(jiān)控，以及自動駕駛汽車、無人飛機(jī)等新型產(chǎn)業(yè)將迎來廣闊的應(yīng)用前景。因此，研究具有穩(wěn)定性、實(shí)時性、精確性的目標(biāo)跟蹤算法有著十分重要的應(yīng)用價值，同時也會面臨著嚴(yán)峻的挑戰(zhàn)。

在對TLD研究和測試的過程中，TLD算法對于遮擋的目標(biāo)跟蹤效果并不理想。

發(fā)明內(nèi)容

針對上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種基于TLD跟蹤系統(tǒng)的視頻目標(biāo)跟蹤方法，在原有TLD框架中的引入CSK(Circulant-Structure-Kernel循環(huán)矩陣結(jié)構(gòu))跟蹤器并對原有的檢測框架進(jìn)行修改，能夠解決目標(biāo)出現(xiàn)遮擋時對目標(biāo)進(jìn)行有效檢測的問題。

為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案予以實(shí)現(xiàn)。

一種基于TLD跟蹤系統(tǒng)的視頻目標(biāo)跟蹤方法，所述視頻目標(biāo)跟蹤方法基于視頻目標(biāo)跟蹤系統(tǒng)實(shí)現(xiàn)，所述視頻目標(biāo)跟蹤系統(tǒng)包含：跟蹤濾波器，重合度檢測器，隨機(jī)森林分類器，以及最近鄰分類器；所述視頻目標(biāo)跟蹤方法包括如下步驟：

步驟1，獲取視頻中的第一幀圖像，人為標(biāo)定目標(biāo)區(qū)域，在所述第一幀圖像中獲取以所述目標(biāo)區(qū)域為中心，所述目標(biāo)區(qū)域N倍大小的圖像片；所述人為標(biāo)定的目標(biāo)區(qū)域為矩形區(qū)域；

步驟2，根據(jù)所述圖像片的大小構(gòu)造二維高斯分布函數(shù)以及漢明窗，進(jìn)而根據(jù)所述圖像片、所述二維高斯分布函數(shù)以及所述漢明窗，分別對跟蹤濾波器的第一參數(shù)、第二參數(shù)進(jìn)行初始化；

步驟3，以所述目標(biāo)區(qū)域的大小為基準(zhǔn)，構(gòu)造多個不同尺度的矩形框；

第一尺度矩形框從所述第一幀圖像的左上角開始，每次移動一個像素位置，從左往右，從上往下，依次遍歷整個第一幀圖像；在所述第一尺度矩形框遍歷整個第一幀圖像的過程中，記錄該第一尺度矩形框的所有位置以及第一尺度矩形框在每個位置時與目標(biāo)區(qū)域的重合度；所述第一尺度矩形框為多個不同尺度的矩形框中的任意一個矩形框；重合度的值大于0且小于1；

采用集合grid記錄多個不同尺度的矩形框遍歷所述第一幀圖像過程中的所有位置以及每個尺度矩形框在每個位置時與目標(biāo)區(qū)域的重合度，完成對重合度檢測器的初始化；

步驟4，設(shè)置第一重合度閾值，第二重合度閾值，且第一重合度閾值大于第二重合度閾值；