[發明專利]基于人腦記憶機制的時空上下文目標跟蹤方法

有效

• 申請號: 201710733989.0
• 申請日: 2017-08-24
• 公開（公告）號: CN107657627B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 宋勇;李旭;趙尚男;趙宇飛;李云;陳學文
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/262;G06T7/277
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于人腦記憶機制的時空上下文目標跟蹤方法。該方法將人腦記憶機制的視覺信息處理認知模型引入到STC方法的時空關系模型更新過程，使得每個模板都要經過瞬時記憶、短時記憶和長時記憶三個空間的傳輸和處理，形成基于記憶的模型更新策略。通過記憶先前出現的場景，使得該方法在當前目標發生光照變化、姿態突變、遮擋、短暫消失后重現等問題時依然能持續魯棒的跟蹤。此外，在根據時空上下文信息計算置信圖時，設置N個目標中心位置候選點，從中選取與目標模板相似度最大的目標中心位置作為最終跟蹤結果，從而減少了置信圖引起的誤差，提高了跟蹤精度。最終，形成一種精度高、魯棒性強的運動目標跟蹤方法。

技術領域

本發明涉及一種視頻圖像中運動目標的跟蹤方法，具體涉及一種基于人腦記憶機制的時空上下文目標跟蹤(STC,Spatio-Temporal Context)方法，屬于計算機視覺技術領域。

背景技術

作為計算機視覺領域重要的研究方向，目標跟蹤在視頻監控、人機交互、智能交通領域具有廣泛的應用前景。

根據目標表觀建模不同，典型的目標跟蹤方法可分為：生成式目標跟蹤方法和判別式目標跟蹤方法。其中，生成式目標跟蹤方法通過特征學習一個目標模型，然后搜索與目標模型最相近的區域實現目標跟蹤。判別式跟蹤方法將跟蹤構建為一個二元分類問題，對樣本和背景分別建模，利用背景和目標信息尋找將其分開的決策邊界。相對于生成式跟蹤方法，判別式跟蹤方法計算量相對較小，且可有效利用背景信息，逐漸成為目標跟蹤方法的主流。

作為一種新型判別式跟蹤方法-時空上下文目標跟蹤(STC)方法(Zhang Kaihua,Zhang Lei,et al.Fast Tracking via Spatio-Temporal Context Learning.ComputerScience,2013.)，是通過貝葉斯框架對要跟蹤的目標和它的局部上下文之間的時空關系進行建模，得到目標及其周圍區域的統計相關性。根據這一時空關系計算置信圖，利用置信圖中似然概率最大的位置預測出新的目標位置。這種方法同時結合了時間信息和空間信息，考慮了目標和周圍環境信息，并且時空關系的學習是根據傅里葉變換得到的，因而具有較高的目標跟蹤準確性和速率。因此，STC方法在目標跟蹤領域具有重要的應用前景。

另一方面，在STC方法中，基于貝葉斯框架建立的時空關系是目標與其周圍的區域在低級特征(像素強度值)上的統計相關性。當出現光照變化、目標姿態突變、遮擋、短暫消失后重現等情況時，容易跟偏或者跟丟目標，導致目標跟蹤準確性下降。因此，研究STC方法在復雜條件下(光照變化、目標姿態突變、遮擋、短暫消失后重現等)的魯棒性目標跟蹤問題，具有重要的研究意義。

發明內容

為了解決STC方法在目標跟蹤過程中光照變化、目標姿態突變、遮擋、短暫消失后重現等情況下的跟蹤精度下降問題，本發明提出了一種基于人腦記憶機制的時空上下文目標跟蹤方法。該方法將人腦記憶機制的視覺信息處理認知模型引入到STC方法的時空上下文模型更新過程，使得每個模板都要經過瞬時記憶、短時記憶和長時記憶三個空間的傳輸和處理，形成基于記憶的模型更新策略。通過有效記憶先前出現的場景，使得該方法在當前目標發生光照變化、姿態突變、遮擋、短暫消失后重現等問題時依然能持續魯棒的跟蹤。此外，該方法在根據時空上下文信息計算置信圖時，設置N個目標中心位置候選點，從中選取與目標模板相似度最大的目標中心位置作為最終跟蹤結果，從而減少了置信圖引起的誤差，提高了跟蹤精度。最終，形成一種精度高、魯棒性強的運動目標跟蹤方法。

本發明是通過下述技術方案實現的。

本發明公開的一種基于人腦記憶機制的時空上下文目標跟蹤方法。將基于人腦記憶機制的視覺信息處理認知模型引入到STC方法的時空關系模型更新過程，形成一種全新的基于記憶的模型更新策略，使得每個模板都要經過瞬時記憶、短時記憶和長時記憶三個空間的傳輸和處理。形成一種基于記憶的模型更新策略。