[發(fā)明專利]在發(fā)生遮擋和尺度變化情況下行人跟蹤方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711407787.3
• 申請(qǐng)日: 2017-12-22
• 公開（公告）號(hào): CN108198209B
• 公開（公告）日: 2020-05-01
• 發(fā)明（設(shè)計(jì)）人: 劉夢(mèng)娜;陳勝勇;刁琛;程徐;欒昊
• 申請(qǐng)（專利權(quán)）人: 天津理工大學(xué)
• 主分類號(hào): G06T7/277
• 分類號(hào): G06T7/277
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

一種在發(fā)生遮擋和尺度變化情況下行人跟蹤方法，通過Kalman濾波對(duì)目標(biāo)位置進(jìn)行預(yù)測(cè)；將預(yù)測(cè)結(jié)果用于KCF框架，精確定位目標(biāo)；根據(jù)KCF跟蹤響應(yīng)值判斷目標(biāo)是否發(fā)生遮擋。發(fā)生遮擋時(shí)，KCF的跟蹤結(jié)果無(wú)效，濾波器不更新，用Kalman濾波的預(yù)測(cè)結(jié)果進(jìn)行校準(zhǔn)；未發(fā)生遮擋時(shí)，更新濾波器，同時(shí)用濾波器的跟蹤結(jié)果進(jìn)行Kalman校準(zhǔn)，得到最終的目標(biāo)位置。該算法在目標(biāo)發(fā)生遮擋或者目標(biāo)尺度發(fā)生變化的情況下可以準(zhǔn)確跟蹤目標(biāo)，數(shù)據(jù)處理速度約為82幀/秒，基本可以滿足實(shí)時(shí)性要求。

技術(shù)領(lǐng)域

本發(fā)明屬于一張計(jì)算機(jī)視覺領(lǐng)域，特別涉及一種在發(fā)生遮擋和尺度變化情況下行人跟蹤方法。

背景技術(shù)

目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域一個(gè)重要的研究課題，在視頻監(jiān)控、人機(jī)交互、機(jī)器人、軍事制導(dǎo)等領(lǐng)域都有廣泛的應(yīng)用前景。基于圖像序列的目標(biāo)跟蹤是在沒有任何先驗(yàn)知識(shí)的前提下，根據(jù)第一幀中給定的目標(biāo)邊框確定目標(biāo)位置及其運(yùn)動(dòng)軌跡。雖然近年來(lái)目標(biāo)跟蹤領(lǐng)域取得了快速的發(fā)展，但仍然面臨著很多挑戰(zhàn)：背景干擾、運(yùn)動(dòng)模糊、目標(biāo)形變、光照變化、快速移動(dòng)、遮擋、低分辨率、旋轉(zhuǎn)和尺度變化等,，這些都會(huì)導(dǎo)致目標(biāo)跟蹤過程中發(fā)生漂移甚至跟蹤失敗。其中遮擋和尺度問題是限制目標(biāo)跟蹤方法發(fā)展的關(guān)鍵性因素，如何解決方法在目標(biāo)發(fā)生遮擋和尺度變化的情況下跟蹤失敗已成為目標(biāo)跟蹤領(lǐng)域的一個(gè)關(guān)鍵性問題。

目標(biāo)跟蹤方法可以分為生成式跟蹤方法和判別式跟蹤方法兩類。生成式目標(biāo)跟蹤首先要建立目標(biāo)的表觀模型，然后搜索圖像中與該模型最相似的區(qū)域作為目標(biāo)。判別式方法是把跟蹤問題視為目標(biāo)與背景的二分類問題，通過機(jī)器學(xué)習(xí)的方法將目標(biāo)與背景分離開。生成式方法在跟蹤過程中僅僅考慮了目標(biāo)信息，忽略了背景信息，在背景干擾的情況下很容易導(dǎo)致跟蹤失敗。而判別式目標(biāo)跟蹤則充分利用背景信息，可以很好地克服生目標(biāo)跟蹤方法的缺陷。判別式方法可以分為基于在線Boosting的方法，基于支持向量機(jī)的方法、基于隨機(jī)學(xué)習(xí)的方法、基于相關(guān)濾波的方法以及基于判別分析的方法。2010年相關(guān)濾波的引入，使得目標(biāo)跟蹤方法取得了快速的發(fā)展。方法在跟蹤速度上取得了很大的突破。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述現(xiàn)有技術(shù)中存在的不足，而提供一種在發(fā)生遮擋和尺度變化情況下行人跟蹤方法，該方法可有效地提高在發(fā)生遮擋和尺度變化的情況下對(duì)行人進(jìn)行跟蹤的準(zhǔn)確性。

為了實(shí)現(xiàn)上述目的，本發(fā)明的方案是：一種在發(fā)生遮擋和尺度變化情況下行人跟蹤方法，其特征在于：把核相關(guān)濾波作為卡爾曼濾波中的檢測(cè)方法，根據(jù)上一幀中目標(biāo)的運(yùn)動(dòng)趨勢(shì)預(yù)測(cè)目標(biāo)當(dāng)前的運(yùn)動(dòng)狀態(tài)，然后通過卡爾曼濾波在預(yù)測(cè)的位置進(jìn)行目標(biāo)檢測(cè)，對(duì)檢測(cè)結(jié)果進(jìn)行遮擋判斷，在未發(fā)生遮擋的情況下，通過卡爾曼濾波對(duì)檢測(cè)結(jié)果進(jìn)行校準(zhǔn)；發(fā)生遮擋時(shí)，直接對(duì)預(yù)測(cè)結(jié)果進(jìn)行校準(zhǔn)。

上述在發(fā)生遮擋和尺度變化情況下行人跟蹤方法的具體步驟如下：

(1)選擇要跟蹤的視頻序列，其中包括視頻序列、groundfruth文本文件和frames文本文件；

(2)通過第一幀信息對(duì)相關(guān)濾波進(jìn)行初始化，最小化損失函數(shù)求出α＝(K+λI)^-1y,其中I為單位矩陣，y表示訓(xùn)練樣本的標(biāo)簽，K為核矩陣K_ij＝κ(x_i，x_j)，κ(*，*)為核函數(shù)，x為訓(xùn)練樣本；

(3)從第二幀開始，通過卡爾曼濾波對(duì)目標(biāo)位置進(jìn)行預(yù)測(cè)：

①狀態(tài)向量預(yù)測(cè)：其中H(k)為第k幀的狀態(tài)轉(zhuǎn)移矩陣，初始化為[1,0,1,0；0,1,0,1；0,0,1,0；0,0,0,1]，為上一幀矯正結(jié)果，初始化為[pos’；0；0]，pos為第一幀給定的目標(biāo)位置；

②狀態(tài)向量協(xié)方差預(yù)測(cè)：P(k+1|k)＝H(k)P(k|k)H^T(k)+Q(k)，其中P(k|k)為第k幀的狀態(tài)向量，Q(k)為系統(tǒng)噪音，初始化為四維單位矩陣；

(4)通過核相關(guān)濾波計(jì)算新一幀的目標(biāo)位置：