[發明專利]一種改進TLD的礦井下視頻目標跟蹤方法

在審

• 申請號: 201910067175.7
• 申請日: 2019-01-24
• 公開（公告）號: CN109903311A
• 公開（公告）日: 2019-06-18
• 發明（設計）人: 孫彥景;張麗穎;云霄;程玉虎;蘆楠楠;陳巖;董鍇文
• 申請（專利權）人: 中國礦業大學
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06T7/90;G06K9/00;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉傳玉

1.一種改進TLD的礦井下視頻目標跟蹤方法，其特征在于，包含以下步驟：

步驟1)，根據第一幀圖像中標定的目標框，得到目標框的位置信息；

步驟2)，將目標框的位置信息送入跟蹤器進行跟蹤：

步驟2.1)，將顏色特征空間按預設的顏色值間隔分為m個特征值，計算每一個特征值在初始幀目標區域的所有像素中的概率，形成目標模型的描述：

令x₀點為目標框的中心，目標框內像素位置記為x_u，u＝1,…,n，n為目標框內的總像素個數；概率分布w＝1,…,m，且由高斯核函數進行概率密度估計：其中，k(x)采用高斯核函數，h是高斯核函數的帶寬，b(x_u)是像素在顏色直方圖中的索引函數、表示x_u處像素所屬的直方圖區間，w是顏色直方圖索引，δ是克羅內克函數、作用是判斷x_u處與w處的特征值是否相等；c是歸一化常數，

步驟2.2)，建立當前幀中的候選模型p_w，y為前一幀的目標模型的中心位置；令候選區域像素位置記為x_v，v＝1,…,n_h，n_h為候選區域內的總像素數，則：

其中，b(x_v)表示x_v處像素所屬的直方圖區間，歸一化常數

步驟2.3)，使用相似度函數來度量初始幀目標模型和當前幀候選模型之間的相似度，以找到與參考目標模型相似度最大的候選模型，q_w和p_w之間的相似度的具體公式如下：

步驟2.4)，從前一幀的目標模型的中心位置y開始，搜索使相似度函數最大的候選區域，得到目標模型由前一幀的位置向當前幀位置移動的大小和方向，進而得到當前幀中目標模型的最終收斂位置，即當前幀中目標模型的位置：

其中，y₁為當前幀中目標模型的中心位置，g(x)＝-k′(x)；

步驟2.5)，將當前幀中目標模型的位置作為跟蹤器的跟蹤結果輸出；

步驟3)，將目標框的位置信息送入檢測器進行檢測：

步驟3.1)，按照預設的掃描比例、預設的水平移動步長閾值、預設垂直移動步長閾值、預設的最小掃描邊界框閾值、通過滑動窗口的方法對當前幀圖像進行多尺度掃描，產生若干掃描框；

步驟3.2)，根據目標框的位置信息，使用Kalman濾波器預估得到當前幀目標模型的中心位置，以此為中心，將目標框的長寬均擴大Q倍，作為預估框，Q為大于1的數；

步驟3.3)，判斷步驟3.1)中得到的多個掃描框是否和所述預估框有交集，丟棄和預估框無交集的掃描框，得到若干個和預估框有交集的掃描框；

步驟3.4)，將所述若干個和預估框有交集的掃描框分別依次送入方差分類器、集成分類器、最近鄰分類器進行篩選，其中，所述方差分類器的過濾閾值D_t為正樣本庫中最近更新的樣本方差、其在正樣本庫中為第t個樣本方差，D_s為正樣本庫中第s個樣本的方差；

步驟3.5)，將方差分類器、集成分類器、最近鄰分類器篩選過后的結果作為檢測器的結果輸出；

步驟4)，跟蹤器和檢測器的結果送入學習模塊，采用P-N學習評估檢測器結果、識別檢測器產生的錯誤并對檢測器進行更新；

步驟5)，綜合跟蹤器和檢測器的結果，得到最終跟蹤結果：

步驟5.1)，若跟蹤器和檢測器都沒有輸出結果則認為目標消失，此時不輸出任何結果，在下一幀中由檢測器重新檢測，成功檢測到目標后，將檢測器得到的目標位置作為跟蹤器的初始值，重復上述步驟；

步驟5.2)，若跟蹤器跟蹤成功而檢測器檢測失敗，則將跟蹤器結果作為最后的輸出，重復上述步驟；

步驟5.3)，若跟蹤器跟蹤失敗而檢測器檢測成功，則將檢測器結果作為最后的輸出，且用檢測結果重新初始化跟蹤器，重復上述步驟；

步驟5.4)，若跟蹤器和檢測器都有輸出結果，則先將檢測器的結果進行聚類，再用聚類后的檢測器結果和跟蹤器結果加權平均得到最終結果，重復上述步驟。