[發明專利]基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法

有效

• 申請號: 201810529460.1
• 申請日: 2018-05-29
• 公開（公告）號: CN108921873B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 黃立勤;陳志鴻
• 申請（專利權）人: 福州大學
• 主分類號: G06T7/246
• 分類號: G06T7/246
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊;薛金才

本發明公開一種基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法，把檢測到的目標分配為激活狀態，處于激活狀態的目標通過預訓練的支持向量機分類器被轉換到跟蹤狀態或非激活狀態；當目標進入跟蹤狀態時，結合TLD跟蹤算法和核相關濾波跟蹤算法在線跟蹤每個目標和構建外觀模型，利用高置信度模型更新策略和中值流跟蹤穩定性判斷將目標保持繼續跟蹤或者轉為丟失狀態；當目標為丟失狀態時，使用相似度函數進行數據關聯，如果處于丟失狀態的目標與檢測到的目標相關聯，那么將丟失狀態的目標轉移到跟蹤狀態，否則繼續保持為丟失狀態，如果目標超過T幀處于丟失狀態，將丟失狀態的目標轉移到非激活狀態。本發明可使多目標跟蹤性能更加魯棒。

技術領域

本發明涉及計算機視覺技術領域，具體涉及一種基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法。

背景技術

視頻序列的多目標跟蹤研究是計算機視覺領域的一個重要內容，已經廣泛應用于國防、視頻監控、智能導航、輔助駕駛、智能機器人、行為分析、視頻檢索、生物醫學等領域。視頻多目標跟蹤的目的是在視頻序列中標定出各個目標的運動軌跡。然而，受成像質量下降、噪聲和背景干擾、目標外觀和運動模式的變化、被跟蹤目標數目的不確定性、復雜多變的遮擋等諸多因素的影響，多目標跟蹤算法研究是一個頗具挑戰性的課題，還面臨大量的理論和技術問題有待解決。

目前多目標跟蹤領域比較有代表性的方法有三類。1)基于網絡流的跟蹤。該方法的基本思想是將跟蹤建模為一個圖模型，其中每個結點代表一個檢測結果，每條邊表示兩個檢測結果間的過渡，通過找到該圖模型中的最小代價流來獲取最優解。2)基于能量最小化的跟蹤。該方法將跟蹤問題轉化為一個能量最小化問題，在解空間中，每個解都對應一個代價或者說是能量，算法所要做的就是把這個代價函數表示出來，并找到一個合適的方法求最優解。3)基于tracking—by detection策略的跟蹤。得益于檢測技術的發展，該方法基于復雜場景下檢測器也能獲取可靠響應的前提，將跟蹤問題轉化為了兩個層次的數據關聯問題。首先在第一個層次將連續幀中的檢測響應局部關聯起來，以形成目標的局部軌跡，然后在第二個層次對間隔多幀的局部軌跡做全局關聯，已形成目標的完整運動軌跡。

隨著檢測器性能的不斷提升，tracking by detection思想已然被廣大學者接受。由于該方法依賴于檢測器，所以數據關聯算法還必須考慮因為檢測器弊端，如漏檢、虛檢、檢測不精確等給關聯結果帶來的影響。目前多目標跟蹤算法在遮擋和消失再出現等情況下容易丟，無進行持續有效的跟蹤，導致跟蹤效果不好。

發明內容

針對現有技術的不足，本發明提供一種基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法，解決目標跟蹤在遮擋和消失再出現等情況下容易丟失的問題。

為實現上述目的，本發明的技術方案是：一種基于核相關濾波優化的馬爾科夫決策在線多目標跟蹤方法，包括以下步驟：

步驟S1：將檢測到的目標分配為激活狀態，利用預訓練的支持向量機分類器將處于激活狀態的目標分類為跟蹤狀態或非激活狀態；

步驟S2：當目標進入跟蹤狀態時，結合TLD跟蹤算法和核相關濾波跟蹤算法在線跟蹤每個目標和構建外觀模型，如果外觀模型在下一幀成功地跟蹤目標，則保持目標為跟蹤狀態，否則轉移狀態進入丟失狀態；

步驟S3：當目標進入丟失狀態時，使用相似度函數確定處于丟失狀態的目標與新檢測到的目標是否關聯，如果處于丟失狀態的目標與新檢測到的目標相關聯，將丟失狀態的目標轉移到跟蹤狀態，否則繼續保持為丟失狀態；

步驟S4：如果目標超過T_lost幀處于丟失狀態，將丟失狀態的目標轉移到非激活狀態。

進一步地，激活狀態下的獎勵函數為：