[發(fā)明專利]一種自適應(yīng)模板匹配的抗遮擋跟蹤方法

有效

• 申請?zhí)枺?/td>: 201710658505.0
• 申請日: 2017-08-04
• 公開（公告）號: CN107452020B
• 公開（公告）日: 2021-04-06
• 發(fā)明（設(shè)計）人: 方勇;呂江超;丁洋坤
• 申請（專利權(quán)）人: 河北漢光重工有限責(zé)任公司
• 主分類號: G06T7/223
• 分類號: G06T7/223
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 溫子云;仇蕾安

本發(fā)明公開了一種自適應(yīng)模板匹配的抗遮擋跟蹤方法，在出現(xiàn)嚴(yán)重、復(fù)雜的遮擋的情況下仍能穩(wěn)定地跟蹤目標(biāo)，而且能夠避免子模板過于敏感的問題。該方案將跟蹤模板分割成若干個子模板，以子模板為組成單元，從跟蹤模板內(nèi)部劃分出兩個相互嵌套的內(nèi)層子區(qū)域，稱為內(nèi)層1模板和內(nèi)層2模板；跟蹤首先從無遮擋跟蹤狀態(tài)開始，隨著遮擋的加深依次經(jīng)歷內(nèi)層1無遮擋跟蹤狀態(tài)A、內(nèi)層1有遮擋預(yù)測狀態(tài)；當(dāng)遮擋逐漸解除，從內(nèi)層1有遮擋預(yù)測狀態(tài)退出后依次進(jìn)入內(nèi)層2無遮擋跟蹤狀態(tài)、內(nèi)層1無遮擋跟蹤狀態(tài)B，最后回到無遮擋跟蹤狀態(tài)。在每種狀態(tài)下，均根據(jù)三個模板被遮擋情況進(jìn)行狀態(tài)跳轉(zhuǎn)判斷，以及跳轉(zhuǎn)方向是前進(jìn)還是后退；根據(jù)所處狀態(tài)進(jìn)行相應(yīng)模板的更新。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)自動跟蹤技術(shù)領(lǐng)域，具體涉及一種自適應(yīng)模板匹配的抗遮擋跟蹤方法。

背景技術(shù)

在目標(biāo)跟蹤過程中，會遇到各種各樣的情況，如光照改變、背景擾動、遮擋、目標(biāo)姿態(tài)變化等，其中如何有效地處理遮擋、特別是嚴(yán)重的遮擋，一直是目標(biāo)跟蹤問題中的一個難點(diǎn)。遮擋的發(fā)生就是在原來被跟蹤的目標(biāo)圖像區(qū)域內(nèi)，在某一個方向上出現(xiàn)連續(xù)穩(wěn)定的、有一定尺寸的新的灰度區(qū)域，使原來被跟蹤的目標(biāo)圖像區(qū)域面積縮小，這個過程一般是漸進(jìn)的。遮擋的發(fā)生會影響跟蹤算法繼續(xù)穩(wěn)定地跟蹤，可能導(dǎo)致跟蹤不準(zhǔn)確甚至丟失目標(biāo)。研究解決在運(yùn)動目標(biāo)跟蹤過程中的遮擋問題具有重要的理論和實(shí)際意義。

當(dāng)跟蹤的目標(biāo)中一部分被遮擋后，從圖像中無法獲得目標(biāo)的全部信息，這就對定位跟蹤算法提出了兩點(diǎn)要求：首先，算法本身必須具備良好的魯棒性，能夠抑制圖像信息損失帶來的影響，繼續(xù)穩(wěn)定地跟蹤目標(biāo)；其次，算法必須對遮擋提出某種處理策略，因為遮擋情況可能是多種多樣的，而算法本身的魯棒性是有限的，如果算法中沒有包括專門的遮擋處理策略，那么總會在某些情況下無法得到滿意的結(jié)果。

在現(xiàn)有的跟蹤算法中，有些算法對遮擋進(jìn)行了特別的處理。不過大多數(shù)算法要么不考慮遮擋，要么用部分遮擋下的結(jié)果來證明算法本身的魯棒性。算法的魯棒性當(dāng)然也可以看作是某種層次上的遮擋處理，但是僅有這個層次的處理還是不夠的。當(dāng)遮擋不是很嚴(yán)重的時候，某些算法確實(shí)能夠得到較好的結(jié)果，但是一個跟蹤算法要達(dá)到實(shí)用性，必須面對真實(shí)世界中各種各樣復(fù)雜情況的考驗。就遮擋而言，可能出現(xiàn)的情況就千變?nèi)f化，如目標(biāo)被背景遮擋、目標(biāo)與其他運(yùn)動物體之間的相對運(yùn)動導(dǎo)致遮擋等；遮擋的程度也不一而足。所以除了提高算法本身的魯棒性，設(shè)計專門的遮擋處理策略也必不可少。唯有如此，才有可能在出現(xiàn)嚴(yán)重、復(fù)雜的遮擋的情況下還能穩(wěn)定地跟蹤目標(biāo)。

現(xiàn)有的抗遮擋的目標(biāo)跟蹤步驟通常如下：

參見圖1，當(dāng)遮擋發(fā)生時，算法需要能夠檢測到遮擋，同時停止模板更新、利用算法本身的魯棒性繼續(xù)跟蹤目標(biāo)；隨著遮擋程度的加深，定位算法本身已不再能夠跟住目標(biāo)或者目標(biāo)已經(jīng)被全部遮擋，需要依據(jù)預(yù)測的目標(biāo)運(yùn)動軌跡，推測目標(biāo)將要出現(xiàn)的位置以及再次出現(xiàn)時的形態(tài)，并在該區(qū)域周圍適當(dāng)擴(kuò)大范圍搜索，等待目標(biāo)出現(xiàn)；當(dāng)目標(biāo)重新出現(xiàn)時，算法需要盡快檢測到，同時調(diào)整目標(biāo)的運(yùn)動參數(shù)及模板形態(tài)，轉(zhuǎn)入正常跟蹤步驟。

目前各種類型的跟蹤算法層出不窮，然而，各類算法各有優(yōu)劣，經(jīng)典的相關(guān)跟蹤算法以其獨(dú)特的優(yōu)勢應(yīng)用較為廣泛。

經(jīng)典的互相關(guān)跟蹤原理如下：

設(shè)模板由M(u,v)表示，當(dāng)前幀圖像中要搜索的區(qū)域由S(x,y)表示，見圖2。模板與圖像中對應(yīng)區(qū)域的相關(guān)系數(shù)由下式?jīng)Q定：

其中，0≤xX-U+1，0≤yY-V+1。U，V分別為模板的長、寬，X和Y分別為搜索區(qū)域的長、寬。

模板在搜索區(qū)域內(nèi)逐像素點(diǎn)求相關(guān)系數(shù)，得到相關(guān)系數(shù)最大值的位置就是目標(biāo)在搜索區(qū)內(nèi)的位置。