[發明專利]視頻跟蹤中自適應遮擋檢測系統及方法

有效

• 申請號: 201910027720.X
• 申請日: 2019-01-11
• 公開（公告）號: CN109886994B
• 公開（公告）日: 2021-07-20
• 發明（設計）人: 喬宇;谷月陽
• 申請（專利權）人: 上海交通大學
• 主分類號: G06T7/223
• 分類號: G06T7/223
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 莊文莉

本發明提供了一種視頻跟蹤中自適應遮擋檢測系統及方法，包括：背景跟蹤器：根據目標跟蹤器對目標的跟蹤結果，跟蹤遮擋目標的背景小塊和目標周邊的背景小塊；遮擋檢測器：根據目標跟蹤器和背景跟蹤器的跟蹤結果，判斷目標與背景小塊之間的位置關系，輸出遮擋目標的背景小塊的位置；模板更新器：計算目標被遮擋的程度，當遮擋程度小于一閾值時，對目標模板進行更新，當遮擋程度大于等于閾值時，停止對目標模板的更新；搜索范圍預測器：根據目標被遮擋的程度改變目標跟蹤器對目標的跟蹤范圍。本發明引入背景跟蹤器對背景小塊進行跟蹤，并利用先前幀的遮擋信息設定自適應閾值，從而能夠更好的對背景與目標的關系進行判定，更加精準的檢測出遮擋。

技術領域

本發明涉及計算機視覺技術領域，具體地，涉及視頻跟蹤中自適應遮擋檢測系統及方法。

背景技術

視頻跟蹤是計算機視覺領域最重要的研究課題之一，在場景監控、人機交互、醫學圖像等方面有著重要的應用。視頻跟蹤即給出目標在視頻序列第一幀中的初始位置，系統預測出目標在后續幀中的位置。視頻跟蹤系統一般由五個部分組成：運動模型(motionmodel)、特征提取器(feature extractor)、觀測模型(observation model)、模型更新器(model updater)、整合后處理器(ensemble post-processor)。其中，運動模型基于對先前幀的估計，產生可能包含目標的候選區域；特征提取器對每個候選區域進行特征提取；觀測模型根據特征提取的結果判斷候選區域是否為目標；模型更新器控制觀測模型的判別策略和更新頻率；整合后處理器整合多個系統的輸出，產生最終的結果。

目標表示法是視頻跟蹤算法重要的組成部分之一。早期的算法有Lucas andKanade算法，但這一算法沒有考慮目標外觀的變化。為了解決這一問題，基于子空間的算法相繼被提出，包括Hager和Belhumeur提出的低維子空間表示法。近些年來，新的算法層出不窮：基于稀疏表示的算法，如mean shift算法、soft-threshold squares算法；基于彩色柱狀圖的算法，如histograms of oriented gradients、local binary patterns；含有判別模型的算法，如support vector machine,multiple instance learning.

為了更好的評價算法的性能，需要將其在合適的數據集上進行測試。目前主流的數據集有“目標跟蹤基準”(Object Tracking Benchmark)數據集、“視頻目標跟蹤”(VisualTracking Benchmark)[數據集。在“目標跟蹤基準”數據集中，目標具有以下不同的屬性：光照變化(Illumination variation)，尺度變化(Scale variation)，遮擋(Occlusion)，變形(Deformation)，運動模糊(Motion Blur)，快速運動(Fast motion)，平面內旋轉(In-planerotation)，平面外旋轉(Out-of-plane rotation)，離開視野(Out of view)，背景雜亂(Background clutter)，低分辨率(Low resolution)；在“視頻目標跟蹤”數據集中，對目標屬性的標記具體到了每一幀。得到跟蹤系統每一幀的輸出結果后，將其與目標位置的真實值(ground truth)進行比較。常用指標有兩種：重合率(Overlap Ratio)和中心位置誤差(Center Location Error).重合率的計算公式為：

其中B_t為目標跟蹤器輸出的邊界框，B_g為目標真實位置對應的邊框。該指標反應的是系統的輸出與目標真實位置重合的面積與二者所占面積的比值。比值越大表明跟蹤結果越好。

中心位置誤差的計算公式為：