[發(fā)明專利]一種基于分塊的抗遮擋目標跟蹤方法有效
| 申請?zhí)枺?/td> | 201710599859.2 | 申請日： | 2017-07-21 |
| 公開（公告）號： | CN107424171B | 公開（公告）日： | 2020-01-03 |
| 發(fā)明（設(shè)計）人： | 凌賀飛;羅巍;李平 | 申請（專利權(quán)）人： | 華中科技大學 |
| 主分類號： | G06T7/223 | 分類號： | G06T7/223;G06T7/246;G06T7/269;G06T7/292;G06K9/62 |
| 代理公司： | 42201 華中科技大學專利中心 | 代理人： | 廖盈春;李智 |
| 地址： | 430074 湖北*** | 國省代碼： | 湖北;42 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 一種 基于 分塊 遮擋 目標 跟蹤 方法 | ||
1.一種基于分塊的抗遮擋目標跟蹤方法，其特征在于，包括：
(1)輸入圖像序列的第一幀，設(shè)置幀數(shù)t＝1，對第t幀圖像中待跟蹤目標所處的目標區(qū)域建模得到外觀模型和分類器，并對目標區(qū)域進行分塊，對每塊分別進行建模得到各分塊對應(yīng)的外觀模型和分類器；
(2)若視頻序列沒有結(jié)束，則繼續(xù)讀入圖像序列，并更新t，若t≤第一預設(shè)值，則進入步驟(3)；否則進入步驟(5)；
(3)對目標區(qū)域進行跟蹤并更新各分塊對應(yīng)的外觀模型參數(shù)和分類器參數(shù)，計算每一個分塊的置信度，若t＝第一預設(shè)值，則進入步驟(4)，否則進入步驟(2)；
(4)分別計算前預設(shè)幀中相同位置處的所有分塊的置信度和，選擇置信度和處于前N位所對應(yīng)的N個位置，將選擇的N個位置對應(yīng)的N個分塊的分塊跟蹤器確定為目標分塊跟蹤器，進入步驟(2)，N為正整數(shù)；
(5)計算當前幀中與選擇的N個位置對應(yīng)的N個分塊的置信度，若該N個分塊的置信度均小于第二預設(shè)值，則進入步驟(6)，否則進入步驟(7)；
(6)將當前幀中待跟蹤目標所處的目標區(qū)域的位置信息設(shè)置為上一幀中待跟蹤目標所處的目標區(qū)域的位置信息，進入步驟(2)；
(7)利用N個目標分塊跟蹤器的跟蹤結(jié)果確定待跟蹤目標的整體位置，并更新目標分塊跟蹤器，進入步驟(2)；
所述對第t幀圖像中待跟蹤目標所處的目標區(qū)域建模得到外觀模型和分類器，包括：
設(shè)置窗口大小為待跟蹤目標所處的目標區(qū)域的M倍，窗口中心位置與目標區(qū)域中心位置相同，在窗口內(nèi)對目標區(qū)域所形成的目標框進行平移得到不同的樣本，根據(jù)樣本與目標區(qū)域中心位置的距離，為各樣本分配連續(xù)的高斯標簽值，M為第三預設(shè)值；
對窗口所處的區(qū)域提取方向梯度直方圖HOG特征，并對提取的HOG特征進行快速傅里葉變換得到窗口的外觀模型xf，由對xf自身進行高斯相關(guān)濾波，其中為傅里葉逆變換，為xf的傅里葉變換，*為復共軛，δ為高斯分布的尺度參數(shù)，κxx為核函數(shù)；
由得到分類器的參數(shù)，其中，λ為正則項系數(shù)，為y的傅里葉變換，y為對應(yīng)的xf的回歸值，為核函數(shù)κxx的回歸值。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對目標區(qū)域進行分塊，包括：
將目標塊尺寸設(shè)置為待跟蹤目標所處的目標區(qū)域尺寸的L倍，在待跟蹤目標所處的目標區(qū)域內(nèi)進行滑動選取目標塊，橫向移動步長設(shè)定為分塊寬度的L倍，縱向移動步長設(shè)定為分塊高度的L倍，L為第四預設(shè)值。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對目標區(qū)域進行跟蹤并更新各分塊對應(yīng)的外觀模型參數(shù)和分類器參數(shù)，包括：
以第t-1幀圖像的目標區(qū)域中心位置為中心，對窗口區(qū)域建立表觀模型zf，將zf與xf進行高斯相關(guān)濾波，并利用分類器參數(shù)計算得到窗口區(qū)域響應(yīng)：其中，為核函數(shù)κxz的回歸值，為zf的傅里葉變換；
根據(jù)得到的響應(yīng)函數(shù)，將響應(yīng)值最高點暫定為跟蹤到的中心位置，計算響應(yīng)函數(shù)的平均相關(guān)峰差比APCDR：其中，分別為響應(yīng)函數(shù)的最大值和最小值，為響應(yīng)函數(shù)在窗口區(qū)域的坐標點(x,y)處的值，以APCDR作為該幀跟蹤的置信度；
根據(jù)APCDR對各分塊對應(yīng)的外觀模型參數(shù)及分類器參數(shù)進行更新。
4.根據(jù)權(quán)利要求1至3任意一項所述的方法，其特征在于，所述利用N個目標分塊跟蹤器的跟蹤結(jié)果確定待跟蹤目標的整體位置，包括：
在當前幀中的N個分塊中，選取置信度高于第五預設(shè)值的分塊，并計算所選取的分塊在前一幀中與目標區(qū)域中心位置的位置矢量；
計算所選取的分塊在當前幀中基于位置矢量的中心位置，并計算由所選取的分塊計算得到的中心位置的幾何中心，該幾何中心表示待跟蹤目標在該塊的位置中心；
求出當前幀中所選取的塊的中心位置與目標區(qū)域中心位置的距離總和以及前一幀中所選取的塊的中心位置與目標區(qū)域中心位置的距離總和，利用兩者的總和比值以及前一幀中目標框大小得到當前幀的目標框大小，將當前幀的目標框大小作為當前幀中待跟蹤目標的位置信息。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華中科技大學，未經(jīng)華中科技大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710599859.2/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
