[發(fā)明專利]一種基于相關(guān)濾波的視頻跟蹤方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810077205.8
• 申請(qǐng)日: 2018-01-22
• 公開（公告）號(hào): CN108288283A
• 公開（公告）日: 2018-07-17
• 發(fā)明（設(shè)計(jì)）人: 郭志波;黃健;張穎
• 申請(qǐng)（專利權(quán)）人: 揚(yáng)州大學(xué)
• 主分類號(hào): G06T7/277
• 分類號(hào): G06T7/277;G06T7/136;G06K9/62;G06K9/00
• 代理公司: 南京中新達(dá)專利代理有限公司 32226
• 代理人: 孫鷗;朱杰

本發(fā)明涉及一種基于相關(guān)濾波的視頻跟蹤方法。本發(fā)明對(duì)輸入的視頻幀序列進(jìn)行檢測(cè)，并將視頻幀的目標(biāo)提取出來，提取HOG特征值，計(jì)算相似度，用前N幀樣本降維后的樣本通過相關(guān)濾波，找到N+1幀的目標(biāo)位置，使用第N+1幀當(dāng)前樣本和前N幀樣本降維后的樣本信息對(duì)其進(jìn)行卡爾曼濾波操作，算出第N+2幀的模板樣本，通過卡爾曼濾波找到后一幀的模板信息，通過泊松分布來實(shí)現(xiàn)方法參數(shù)的更新。本發(fā)明克服了基于模板的相關(guān)濾波跟蹤方法，采用分類器的方法各自存在的缺陷。本發(fā)明運(yùn)用了相關(guān)濾波巧妙的運(yùn)算技巧，將時(shí)間復(fù)雜度降低，從而減少了計(jì)算時(shí)間，并且運(yùn)用了主成分分析，卡爾曼濾波函數(shù)和隨機(jī)更新策略，一方面增加了樣本的數(shù)量和復(fù)雜度，另一方面提高了跟蹤目標(biāo)的精度。

技術(shù)領(lǐng)域

本發(fā)明涉及目標(biāo)跟蹤領(lǐng)域，尤其涉及一種基于相關(guān)濾波的視頻跟蹤方法。

背景技術(shù)

近年來，計(jì)算機(jī)視覺越來越受到人們的關(guān)注，而且應(yīng)用也越來越廣泛，特別是在視頻監(jiān)控、行為分析、智能交通系統(tǒng)等中都占據(jù)著重要的地位，雖然目前已經(jīng)有很多關(guān)于目標(biāo)跟蹤的研究成果，但是如何穩(wěn)定地跟蹤目標(biāo)而不受環(huán)境變化因素的影響仍然是一個(gè)嚴(yán)峻的問題。

在本發(fā)明之前，傳統(tǒng)的相關(guān)濾波跟蹤方法主要有兩類，一類是基于模板的相關(guān)濾波跟蹤方法，該方法首先提取目標(biāo)的模型，然后在整張視頻幀中尋找與模板相似度最高的區(qū)域，但是該方法是在像素級(jí)下操作，計(jì)算復(fù)雜并且運(yùn)行時(shí)間緩慢；另一類則是采用分類器的方法，該方法首先是利用目標(biāo)的屬性訓(xùn)練一個(gè)分類器，然后利用該分類器將目標(biāo)從視頻幀分離出來，但是該方法一般只是用于單模板的相關(guān)濾波跟蹤，樣本不變且對(duì)于環(huán)境的變化(如光照、攝像機(jī)的運(yùn)動(dòng)、目標(biāo)的遮擋)，目標(biāo)跟蹤則會(huì)產(chǎn)生漂移，從而丟失跟蹤目標(biāo)。

發(fā)明內(nèi)容

本發(fā)明的目的就在于克服上述缺陷，研制一種基于相關(guān)濾波的視頻跟蹤方法。

本發(fā)明的技術(shù)方案是：

一種基于相關(guān)濾波的視頻跟蹤方法，其主要技術(shù)特征在于步驟如下：

1)采用相關(guān)濾波的方法對(duì)輸入的視頻幀序列f_i，i＝1，...N進(jìn)行逐幀檢測(cè)，得到每一個(gè)目標(biāo)的信息(x_j，y_j，W_j，H_j)，其中，(x_j，y_j)表示第j個(gè)目標(biāo)的中心坐標(biāo)，(W_j，H_j)表示第j個(gè)目標(biāo)的寬度和高度，保留每幀結(jié)果信息保存到樣本集里；

2)樣本集中有N個(gè)樣本信息，使用主成分分析方法對(duì)其降維，獲得一維具有多個(gè)特征的樣本信息；

3)構(gòu)造卡爾曼濾波函數(shù)來預(yù)測(cè)出下一幀目標(biāo)樣本，從而實(shí)現(xiàn)跟蹤；

4)泊松分布法隨機(jī)取值再通過閾值實(shí)現(xiàn)參數(shù)更新。

所述通過HOG方法來提取目標(biāo)的特征值，通過前N幀結(jié)果，結(jié)合主成分分析原理，取得降維后單個(gè)的目標(biāo)樣本。

所述在前N幀之后，用當(dāng)前預(yù)測(cè)目標(biāo)樣本和當(dāng)前目標(biāo)樣本通過卡爾曼濾波來預(yù)測(cè)下一幀的目標(biāo)樣本，實(shí)現(xiàn)目標(biāo)跟蹤。

所述在目標(biāo)模板更新階段，采用泊松分布和閾值的方法來更新相關(guān)濾波參數(shù)，若大于閾值，則將當(dāng)前目標(biāo)樣本初始化參數(shù)，并且替換當(dāng)前參數(shù)，若小于閾值，則將繼續(xù)執(zhí)行當(dāng)前更新策略。

本發(fā)明的優(yōu)點(diǎn)和有益效果在于首先對(duì)于目標(biāo)檢測(cè)階段，我們采用相關(guān)濾波的方法分割目標(biāo)和背景，這樣更適用于不同的復(fù)雜背景，增加檢測(cè)的魯棒性，而且我們采用閾值δ的方法來盡可能地減少虛假目標(biāo)，增加了跟蹤的可靠性，在目標(biāo)跟蹤階段，我們采用具有空間信息的局部特征值來刻畫目標(biāo)的外觀特征，這樣使得目標(biāo)跟蹤的精度更高，而且當(dāng)目標(biāo)的外觀與幾個(gè)候選目標(biāo)的外觀相似時(shí)，我們?cè)黾恿丝臻g幾何距離來區(qū)別不同的目標(biāo)，當(dāng)目標(biāo)被這遮擋時(shí)，我們采用卡爾曼濾波來預(yù)測(cè)目標(biāo)在下一時(shí)刻的坐標(biāo)位置，這樣在目標(biāo)處于短時(shí)間的遮擋時(shí)，我們可以有效地解決目標(biāo)遮擋問題，提高了跟蹤的準(zhǔn)確性和魯棒性。