[發明專利]一種基于TLD算法的目標跟蹤方法

有效

• 申請號: 201810506766.5
• 申請日: 2018-05-24
• 公開（公告）號: CN108846850B
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 吳潤澤;魏宇星;徐智勇;張建林;王全寧
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06V10/774;G06V10/764;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于TLD算法的目標跟蹤方法，其特征是：在待跟蹤視頻的起始幀，由用戶指定跟蹤窗口形成正負樣本對檢測模塊進行初始化訓練，在跟蹤過程中，檢測模塊和跟蹤模塊獨立工作：檢測模塊掃描當前幀圖像獲得圖像塊并依次通過方差分類器、合并分類器、最近鄰分類器，并對通過這三個分類器的圖像塊進行聚類；跟蹤模塊采用中值光流法通過上一幀跟蹤結果預測當前幀目標位置；整合模塊綜合檢測模塊和跟蹤模塊進行跟蹤結果的輸出；對當前更新后的目標位置，在更新后的位置產生新的正負樣本并利用當前跟蹤結果置信度進行加權，利用加權后的正負樣本更新檢測模塊；

在待跟蹤視頻的起始幀中，由用戶指定跟蹤窗口，然后對距離指定的跟蹤窗口最近的掃描網格窗口中選取若干個窗口進行一系列的仿射變換形成初始的正樣本，并對遠離指定的跟蹤窗口隨機搜選獲得初始的負樣本；所獲得的正負初始樣本用來對檢測模塊進行初始化訓練；

在跟蹤過程中，檢測模塊對當前幀圖像進行網格掃描獲得圖像塊后，首先計算各圖像塊的方差，方差小于某個閾值的圖像塊被接受，進入合并分類器；通過若干個不同的基本分類器進行的像素比較后得到的平均后驗概率值，大于某個閾值的圖像塊被接受，進入最近鄰分類器；通過對進入最近鄰分類器的圖像塊進行灰度的零均值歸一化處理，與目標模型中的圖像塊進行互相關歸一化的相似度計算，如果相似度大于某個閾值，則判定當前圖像塊為目標區域，否則判定為背景；

在跟蹤過程中，利用了當前幀跟蹤結果置信度對目標模型進行加權，從而獲得更具有表征能力的目標模型；

在跟蹤過程中，跟蹤模塊和檢測模塊獨立運行，并將檢測結果與跟蹤結果融合輸出目標跟蹤結果；在每一幀中對當前更新后的目標位置，產生新的正負樣本；在利用這些正負樣本進行目標模型更新的過程中采用當前幀跟蹤結果置信度對目標模型進行加權；

該方法使用TLD算法跟蹤結果的置信度Conf對當前幀判定添加到的目標模型的正負樣本進行加權后再添加到目標模型中，首先對每一幀經過P-N約束生成的待添加樣本定性：即這一待添加樣本是目標模型中的正樣本還是負樣本；然后對這些待添加樣本定量：使用當前幀i跟蹤結果的置信度Conf_i對其加權，Conf_i即為當前幀i中所有待添加樣本的權重，這也就描述出了當前幀i的這些待添加樣本有多大的可能性是正確分類樣本；最后將這些經過加權的樣本添加到目標模型中；

在TLD算法進行目標跟蹤的過程中，第一幀的正樣本至關重要，因為這是在由用戶直接指定的唯一正確的跟蹤目標框中生成的正樣本，TLD算法初始化的正樣本即是由這唯一一個絕對正確的跟蹤目標框中選取并經過隨機的仿射變換形成的，而后所有的跟蹤目標框都有可能出現各種各樣的錯誤，而每一幀的跟蹤結果置信度可以很好地反映這一可能的錯誤程度； 注意到Conf_i≤1，所以這種方法也在一定程度上加強了初始幀樣本的在目標模型中的影響，這樣，即使P-N學習訓練的分類器出現了錯誤，即對樣本進行了錯分，經過當前幀的跟蹤結果置信度加權，會在一定程度上糾正這種錯誤。