[發明專利]一種具有遮擋感知機制的實時視覺目標跟蹤方法

有效

• 申請號: 201710604257.1
• 申請日: 2017-07-24
• 公開（公告）號: CN107480704B
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 王鴻鵬;徐福來;劉景泰
• 申請（專利權）人: 無際智控（天津）智能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T7/60;G06T7/73
• 代理公司: 天津耀達律師事務所 12223
• 代理人: 張耀

本發明提出了一種具有遮擋感知機制的實時視覺目標跟蹤方法，該方法首先融合基于相關性濾波器跟蹤算法和基于顏色統計信息的貝葉斯概率模型跟蹤算法兩者的跟蹤結果進行目標的位置預測，然后單獨訓練一維的尺度金字塔進行目標的尺度估計，此外設計了一種遮擋感知機制，能夠判別被跟蹤目標是否被局部或完全遮擋，進而決定模型的更新策略以及利用何種模型進行新一幀的跟蹤，避免背景信息的污染使跟蹤器產生漂移，跟蹤算法根據上述步驟迭代地對目標進行持續地跟蹤。所提算法能夠實時準確地跟蹤到目標，且能夠有效應對形變、旋轉、遮擋、尺度變化、光照變化、運動模糊等多種問題。

技術領域

本發明屬于目標跟蹤領域，具體是一種具有遮擋感知機制的實時視覺目標跟蹤方法。

背景技術

隨著計算機技術的發展，目標跟蹤由于其在視頻監控、人機交互、機器人等方面具有很高的應用價值，成為了計算機視覺領域的研究熱點，其可以定義為，給定視頻流中的第一幀圖像中感興趣目標的矩形框，估計出所選目標在接下來每幀圖像中的狀態(位置及大小)。近年來有大量的目標跟蹤算法被提出，但由于實際應用中的遮擋、背景雜亂、光照變化以及目標的尺度與形狀變化等，設計一種魯棒、長期、實時的目標跟蹤算法仍然是比較困難的問題。

現有的基于相關性濾波器的跟蹤算法能夠在跟蹤的準確性和速度上均獲得較好的效果，但是由于其是一類基于嚴格模板的方法，所以該類方法不能很好處理目標劇烈的形變、超平面旋轉等情況，而且不能適應目標的尺度變化。基于顏色統計信息的概率模型算法在一定程度上能夠彌補上述相關濾波算法的缺點，其原因在于該算法所采用的特征不包含像素的位置信息，但是該類算法對光照變化比較敏感，另外單獨利用顏色統計信息容易使跟蹤器產生漂移問題。

產生漂移問題的主要原因是在線分類器在更新時引入了噪聲，在預測過程中噪聲會不斷積累，最終使算法無法準確跟蹤目標。被跟蹤目標的外觀變化如遮擋等均會產生噪聲，因此有必要設計一種遮擋感知機制來在線處理跟蹤過程中的遮擋問題。

發明內容

針對上述問題，本發明提出了一種具有遮擋感知機制的實時視覺目標跟蹤方法，該方法首先融合基于相關性濾波器跟蹤算法和基于顏色統計信息的貝葉斯概率模型跟蹤算法兩者的跟蹤結果進行目標的位置預測，然后單獨訓練一維的尺度金字塔進行目標的尺度估計，此外設計了一種遮擋感知機制，能夠判別跟蹤目標是否被局部或完全遮擋，進而決定模型的更新策略以及利用何種模型進行新一幀的跟蹤，避免背景信息的污染使跟蹤器產生漂移。所提算法能夠實時準確地跟蹤到目標，且能夠有效應對形變、旋轉、遮擋、尺度變化、光照變化、運動模糊等多種問題。本發明采用下面的技術方案：

一種具有遮擋感知機制的實時目標跟蹤方法，其特征在于：

包括如下步驟：

1)位置估計，分別提取搜索區域內的HOG特征學習相關性濾波跟蹤器、顏色直方圖特征學習貝葉斯概率模型跟蹤器，通過解決兩個獨立的嶺回歸問題將兩者的響應進行同構，利用線性融合的方法確定目標的位置；

2)尺度估計，引入單獨的一維相關性濾波尺度估計機制，以估計的位置為中心，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，作為輸入，輸出的最大響應所對應尺度即可以看作是最優尺度估計；

3)遮擋感知，完成當前t幀的位置與尺度估計后時，根據“目標相似性”與“背景相似性”判別遮擋情況，劃分未遮擋、局部遮擋與完全遮擋，未遮擋情況下，更新分類器集合C與目標圖像塊集合F，計算新的“背景相似性” T_t^min，在t+1幀的預測中，未被完全遮擋的情況下，用當前分類器模型預測目標位置，否則在集合中利用最小能量函數選取最優分類器模型，預測目標；

重復上述步驟進行連續跟蹤。

本發明的優點和有益效果：