[發(fā)明專(zhuān)利]一種適用于公共交通場(chǎng)景的實(shí)時(shí)目標(biāo)跟蹤方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810508937.8
• 申請(qǐng)日: 2018-05-24
• 公開(kāi)（公告）號(hào): CN108776974A
• 公開(kāi)（公告）日: 2018-11-09
• 發(fā)明（設(shè)計(jì)）人: 朱旭光
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南京行者易智能交通科技有限公司
• 主分類(lèi)號(hào): G06T7/246
• 分類(lèi)號(hào): G06T7/246;G06T7/277;G06T7/262
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明公開(kāi)了一種適用于公共交通場(chǎng)景的實(shí)時(shí)目標(biāo)跟蹤方法，該方法包含以下步驟：步驟1，由檢測(cè)器獲取被跟蹤目標(biāo)在當(dāng)前第i幀上的初始位置P（i）；步驟2，用P（i）訓(xùn)練相關(guān)濾波跟蹤器；步驟3，獲取目標(biāo)在第i+1幀的圖像；步驟4，用相關(guān)濾波器和第i+1幀進(jìn)行相關(guān)性計(jì)算，得出目標(biāo)預(yù)測(cè)位置P′(i+1)；步驟5，評(píng)估尺度變化率，根據(jù)閾值判斷是否需要目標(biāo)預(yù)測(cè)值修正。步驟6，用卡爾曼濾波進(jìn)行預(yù)測(cè)值修正，得到目標(biāo)在第i+1幀的位置P(i+1)。該方法進(jìn)行了尺寸變化率評(píng)估，提高了跟蹤的準(zhǔn)確率和實(shí)時(shí)性，同時(shí)通過(guò)卡爾曼濾波來(lái)對(duì)目標(biāo)預(yù)測(cè)值進(jìn)行修正，最小化尺度變化的影響。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺(jué)研究領(lǐng)域，具體涉及一種適用于公共交通場(chǎng)景的實(shí)時(shí)目標(biāo)跟蹤方法。

背景技術(shù)

目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)研究領(lǐng)域的熱點(diǎn)之一，并得到廣泛應(yīng)用。相機(jī)的跟蹤對(duì)焦、無(wú)人機(jī)的自動(dòng)目標(biāo)跟蹤等都需要用到了目標(biāo)跟蹤技術(shù)。另外還有特定物體的跟蹤，比如人體跟蹤，交通監(jiān)控系統(tǒng)中的車(chē)輛跟蹤，人臉跟蹤和智能交互系統(tǒng)中的手勢(shì)跟蹤等。簡(jiǎn)單來(lái)說(shuō)，目標(biāo)跟蹤就是在連續(xù)的視頻序列中，建立所要跟蹤物體的位置關(guān)系，得到物體完整的運(yùn)動(dòng)軌跡。給定圖像第一幀的目標(biāo)坐標(biāo)位置，計(jì)算在下一幀圖像中目標(biāo)的確切位置。

在運(yùn)動(dòng)的過(guò)程中，目標(biāo)可能會(huì)呈現(xiàn)一些圖像上的變化，比如姿態(tài)或形狀的變化、尺度的變化、背景遮擋或光線亮度的變化等。例如在公共交通場(chǎng)景下，受光照條件如晴天、陰天、雨天以及行車(chē)路線變化影響,可能使背景變化大,相對(duì)不穩(wěn)定；中國(guó)人口稠密，行人上下車(chē)有時(shí)非常擁擠和混亂,極有可能出現(xiàn)乘客間的遮擋；行人上下車(chē)過(guò)程中，不僅是姿態(tài)變化大，其在圖像中的尺度也會(huì)發(fā)生劇烈變化；另外，跟蹤方法需要達(dá)到實(shí)時(shí)性要求。

過(guò)去幾十年以來(lái)，目標(biāo)跟蹤的研究取得了長(zhǎng)足的發(fā)展。從均值漂移、光流跟蹤等經(jīng)典跟蹤方法，到基于檢測(cè)的方法，再到最近幾年來(lái)出現(xiàn)的深度學(xué)習(xí)相關(guān)方法。

（1）均值漂移方法

即Meanshift方法，采用目標(biāo)的顏色直方圖作為搜索特征，通過(guò)不斷迭代meanshift向量使算法收斂于目標(biāo)的真實(shí)位置,從而達(dá)到跟蹤的目的，但是該算法不能解決目標(biāo)遮擋問(wèn)題且不能適應(yīng)運(yùn)動(dòng)目標(biāo)大小和形狀變化。對(duì)其改進(jìn)的算法有camshift算法，該算法雖然適應(yīng)運(yùn)動(dòng)目標(biāo)大小和形狀發(fā)生變化，但當(dāng)背景色和目標(biāo)顏色接近時(shí)，容易跟蹤錯(cuò)誤, 其在公共交通場(chǎng)景下跟蹤效果不理想。

（2）光流跟蹤方法

光流計(jì)算基于2個(gè)假設(shè)：運(yùn)動(dòng)物體的灰度在很短的間隔時(shí)間內(nèi)保持不變；

給定鄰域內(nèi)的速度向量場(chǎng)變化是緩慢的。這兩個(gè)假設(shè)條件公共交通場(chǎng)景下不

一定很好的滿(mǎn)足, 尤其是光照變化，另外,對(duì)于行人的快速移動(dòng)容易跟蹤失敗。

（3）基于檢測(cè)的跟蹤方法

該方法將目標(biāo)跟蹤問(wèn)題看成一個(gè)二分類(lèi)問(wèn)題，在跟蹤過(guò)程中在線學(xué)習(xí)一個(gè)二值分類(lèi)器來(lái)區(qū)分目標(biāo)及其周?chē)尘埃脤W(xué)習(xí)到的分類(lèi)器在當(dāng)前圖像幀中對(duì)圖像塊進(jìn)行分類(lèi)，標(biāo)注像素屬于目標(biāo)還是背景，找到分類(lèi)器信度最大的區(qū)域即為目標(biāo)位置，并使用跟蹤結(jié)果作為樣本更新分類(lèi)器。在公共交通場(chǎng)景下，會(huì)出現(xiàn)目標(biāo)尺度的劇烈變化，此時(shí)該類(lèi)方法的跟蹤結(jié)果偏差較大。

（4）基于深度學(xué)習(xí)的跟蹤方法

該方法其主要問(wèn)題在于訓(xùn)練數(shù)據(jù)的缺失，僅僅提供第一幀的bounding-box作為訓(xùn)練數(shù)據(jù)。另外，在公共交通場(chǎng)景下，受限于有限的計(jì)算能力，該類(lèi)方法幾乎很難達(dá)到實(shí)行性要求

綜上所述，現(xiàn)有的跟蹤算法不能同時(shí)解決一些技術(shù)問(wèn)題:受環(huán)境影響小,對(duì)目標(biāo)發(fā)生大小和形狀變化不敏感,速度滿(mǎn)足實(shí)時(shí)性,所以不能滿(mǎn)足公共交通場(chǎng)景下的跟蹤要求。

發(fā)明內(nèi)容

本發(fā)明提供一種實(shí)時(shí)目標(biāo)跟蹤方法，該方法不僅可以適應(yīng)復(fù)雜的公共交通場(chǎng)景,而且可以在低計(jì)算能力的條件下滿(mǎn)足實(shí)時(shí)性要求。