[發(fā)明專利]一種具有遮擋感知機(jī)制的實(shí)時(shí)視覺目標(biāo)跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710604257.1
• 申請(qǐng)日: 2017-07-24
• 公開（公告）號(hào): CN107480704B
• 公開（公告）日: 2021-06-29
• 發(fā)明（設(shè)計(jì)）人: 王鴻鵬;徐福來;劉景泰
• 申請(qǐng)（專利權(quán)）人: 無(wú)際智控（天津）智能科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T7/60;G06T7/73
• 代理公司: 天津耀達(dá)律師事務(wù)所 12223
• 代理人: 張耀

1.一種具有遮擋感知機(jī)制的實(shí)時(shí)視覺目標(biāo)跟蹤方法，其特征在于：

包括如下步驟：

1)位置估計(jì)，分別提取搜索區(qū)域內(nèi)的HOG特征學(xué)習(xí)相關(guān)性濾波跟蹤器、顏色直方圖特征學(xué)習(xí)貝葉斯概率模型跟蹤器，通過解決兩個(gè)獨(dú)立的嶺回歸問題將兩者的響應(yīng)進(jìn)行同構(gòu)，利用線性融合的方法確定目標(biāo)的位置；

2)尺度估計(jì)，引入單獨(dú)的一維相關(guān)性濾波尺度估計(jì)機(jī)制，以估計(jì)的位置為中心，獲取不同尺度大小的圖像塊，再將不同大小的圖像塊統(tǒng)一成固定模板大小，提取fhog特征形成S層特征金字塔，利用hann窗消除邊界效應(yīng)，作為輸入，輸出的最大響應(yīng)所對(duì)應(yīng)尺度即看作是最優(yōu)尺度估計(jì)；

3)遮擋感知，完成當(dāng)前t幀的位置與尺度估計(jì)后時(shí)，根據(jù)“目標(biāo)相似性”與“背景相似性”判別遮擋情況，劃分為未遮擋、局部遮擋與完全遮擋，未遮擋情況下，更新分類器集合C與目標(biāo)圖像塊集合F，計(jì)算新的“背景相似性”T_t^min，在t+1幀的預(yù)測(cè)中，未被完全遮擋的情況下，用當(dāng)前分類器模型預(yù)測(cè)目標(biāo)位置，否則在集合中利用最小能量函數(shù)選取最優(yōu)分類器模型，預(yù)測(cè)目標(biāo)；

重復(fù)上述步驟1)-3)進(jìn)行連續(xù)跟蹤；

其中“目標(biāo)相似性”是指，根據(jù)新得到的目標(biāo)圖像塊，計(jì)算其與最優(yōu)目標(biāo)圖像塊集合F中各個(gè)元素之間的相似性，其中最小的相似性度量距離；

“背景相似性”是指，新得到的圖像塊與其周圍圖像塊的相似性度量的最小距離。

2.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，相關(guān)性濾波跟蹤器與貝葉斯概率模型跟蹤器是通過兩個(gè)獨(dú)立的嶺回歸問題進(jìn)行求解的：

其中h_cf為相關(guān)濾波器，β_bayes為權(quán)重向量，L_cf與L_bayes損失函數(shù)，λ_cf與λ_bayes為正則化參數(shù)。

3.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，兩個(gè)獨(dú)立跟蹤器響應(yīng)的融合系數(shù)γ為0.2，

f(x)＝γf_bayes(x)+(1-γ)f_cf(x)。

4.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，尺度估計(jì)時(shí)每個(gè)樣本提取31維fhog特征，再串聯(lián)成一個(gè)特征向量構(gòu)成33層金字塔特征，乘以一維hann窗后作為輸入。

5.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，尺度的選擇原則為：

其中，P與R是目標(biāo)在前一幀的寬和高，a為尺度因子，S為尺度數(shù)量。

6.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，相似性的度量方法包括馬氏距離、中心距、歐氏距離、局部HOG距離、最佳伙伴相似性。

7.根據(jù)權(quán)利要求1所述的目標(biāo)跟蹤方法，其特征在于，將整個(gè)跟蹤過程分為三部分，即未遮擋、局部遮擋、完全遮擋。

8.根據(jù)權(quán)利要求7所述的目標(biāo)跟蹤方法，其特征在于，在感知到目標(biāo)未被遮擋時(shí)，分類器集合C和目標(biāo)圖像集合F會(huì)刪除最早保存的元素并更新一個(gè)新元素，即其中包含了無(wú)遮擋情況下最近K個(gè)元素，同時(shí)“背景相似性”度量T_t^min也隨之更新。

9.根據(jù)權(quán)利要求7所述的目標(biāo)跟蹤方法，其特征在于，在感知到目標(biāo)被完全遮擋時(shí)，利用最小能量函數(shù)從分類器集合C中選取最優(yōu)分類器，并從目標(biāo)集合F中選取最優(yōu)分類器所對(duì)應(yīng)的圖像塊并提取特征，利用所選分類器與特征跟蹤新一幀的目標(biāo)，否則利用t-1幀所得分類器模型參數(shù)與特征信息進(jìn)行跟蹤預(yù)測(cè)。

10.據(jù)權(quán)利要求9所述的目標(biāo)跟蹤方法，其特征在于，選擇最優(yōu)分類器所采用的最小能量函數(shù)為：

其中，C_K為分類器集合C中元素，E(C_K)＝-L(x；C_K)+λ_hH(l|x；C_K)為各分類器能量函數(shù)，L(x；C_K)表征似然估計(jì)，H(l|x；C_K)是熵正則化項(xiàng)，其中l(wèi)＝{l₁,l₂}為標(biāo)簽空間。