[發明專利]基于運動插值估計與前景分割相結合的視頻目標跟蹤方法

有效

• 申請號: 201910375504.4
• 申請日: 2019-05-07
• 公開（公告）號: CN110163887B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 賴韻宇;孔熙雨;鐘幼平;萬意;宋小欣;左琪;溫舜茜;彭福先;王梓展
• 申請（專利權）人: 國網江西省電力有限公司檢修分公司;國家電網有限公司
• 主分類號: G06T7/215
• 分類號: G06T7/215;G06T7/246
• 代理公司: 江西省專利事務所 36100
• 代理人: 張文

本發明公開了一種基于運動插值估計與前景分割相結合的視頻目標跟蹤方法，該方法是通過使用運動估計插值產生的中間信息，結合前景背景的分割，優勢互補，在確保產生足夠充足中間幀的同時，利用前景背景分割降低背景對目標模型帶來的干擾，兩個方面共同作用，優勢互補，既達到了增加模型應對快速變化目標的適應能力，又增加了模型應對干擾例如遮擋的魯棒性。使得目標跟蹤工作的更加準確，提升目標跟蹤的準確率。

技術領域

本發明涉及目標跟蹤領域，尤其是涉及一種基于運動插值估計與前景分割相結合的視頻目標跟蹤方法。

背景技術

目標跟蹤問題，是利用計算機視覺技術確定視頻序列中的特定目標位置的問題。目標跟蹤問題一般分解為三部分，獲取的目標視覺特征，進行特征匹配，求解目標當前位置。

它們面臨兩方面問題：

第一方面，快速變化的目標，跟蹤器更新速度相對過慢失效。

由于目標可能變化較快（包括空間位置變化和特征變化），可能出現跟蹤器由于搜索區域不足不能精確地跟上目標的情況，運動估計插值可以一定程度上解決這類問題，但是引入的插值可能由于目標本身特征變化較大（如變形）導致跟蹤模型與目標區別過大導致跟蹤失效的情況。近年，在目標跟蹤領域，許多算法都著力快速變化的問題。(Correlation filters with limited boundaries.In: 2015IEEE Conference onComputer Vision and Pattern Recognition (CVPR).pp.4630–4638)有限邊界的CF（CFLB）)，空間正則化CF（SRDCF）(Learning spatially regularized correlationfilters for visual tracking.In: 2015 IEEE International Conference onComputer Vision.pp. 4310–431) 和背景相關濾波器（BACF）(Learning background-aware correlation filters for visual tracking. In: 2017 IEEE InternationalConference on Computer Vision (ICCV).pp. 1144–1152) 都為了從訓練樣本中獲取更重要的信息，提出了不同的方法，以實現更好的跟蹤模型。提出有限邊界的CF（CFLB）(Correlation filters with limited boundaries.In: 2015 IEEE Conference onComputer Vision and Pattern Recognition (CVPR).pp.4630–4638) 方法能夠學習邊界效應較少的CF。然而，它使用的特征僅僅是基于像素，這被證明不足以在圖像中表達規律(Multi-channel correlation filters.In:2013 IEEE International Conference onComputer Vision.pp.3072–3079) 。空間正則化CF算法（SRDCF）修改了跟蹤器的優化目標，以便在圖像包的中心周圍保留更多信息。

第二方面，干擾如遮擋，跟蹤器更新速度相對過快失效。

目標在被遮擋時，如果更新速度相對過快，那么跟蹤模型與目標區別過大，導致遮擋結束時，跟蹤失效。前景背景分割可以一定長度上解決這類問題，如果被標識為背景的區域，就不會被作為跟蹤模型的一部分納入考慮。近年，在目標跟蹤領域，許多算法都著力干擾的問題。背景相關濾波器（BACF）通過包含來自幀的更多背景信息并生成負面訓練樣本的方法，來促使分類器將背景與前景區分開。然而這種方法僅僅考慮了模型干擾問題，沒有考慮目標快速變化問題，對快速變化目標效果依然不佳。

對國內外相關專利分析可得出以下結論：目前沒有結合運動估計插值和前景分割提升目標跟蹤方法上的應用。

發明內容