[發明專利]一種基于級聯檢測器的運動目標跟蹤方法

有效

• 申請號: 201910400365.6
• 申請日: 2019-05-15
• 公開（公告）號: CN110222585B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 楊衛東;翟展;王爽;沈孔懷;雷曉奇;凌翔濱;王公炎
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 曹葆青;李智

1.一種基于級聯檢測器的運動目標跟蹤方法，其特征在于，包括：

(1)基于序列圖像第k幀的訓練樣本，分別計算跟蹤模型的參數獲取級聯檢測器的參數；

所述級聯檢測器依次按照方差分類器、多通道隨機蕨分類器和相關一致分類器的順序級聯構成；

(2)根據第k+1幀第一訓練樣本的樣本特征以及基于第k幀訓練樣本的跟蹤模型，計算第k+1幀第一訓練樣本的頻域特征響應圖和跟蹤置信度；

所述步驟(2)包括：

(2.1)將第k幀感興趣區域的中心點作為第k+1幀目標波門的中心點位置，計算第k+1幀目標波門的大小；

(2.2)根據第k+1幀目標波門的大小和中心點位置，獲取第k+1幀的第一訓練樣本；

(2.3)提取歸一化后的第k+1幀第一訓練樣本的樣本特征，并利用漢寧窗濾波使樣本特征邊緣平滑過渡；

(2.4)利用第k+1幀的樣本特征和跟蹤模型計算第k+1幀第一訓練樣本的頻域特征響應值和跟蹤置信度；

(3)根據跟蹤置信度，篩選頻域特征響應值最大的點為第k+1幀的第一感興趣區域；

所述步驟(3)包括：

(3.1)將第k+1幀第一訓練樣本的跟蹤置信度與相關濾波跟蹤器的閾值比較，若第一訓練樣本的跟蹤置信度大于相關濾波跟蹤器的閾值，則第一訓練樣本無干擾，頻域特征響應值最大的點為第k+1幀的第一感興趣區域，轉至步驟(4)；否則，轉至步驟(3.2)；

(3.2)通過滑動窗口遍歷擴大的第k+1幀的搜索區域，且各滑動窗口通過相關濾波跟蹤器獲取相應的響應圖；

(3.3)計算各響應圖的跟蹤置信度，對比各響應圖的跟蹤置信度與相關濾波跟蹤器的閾值，若響應圖的跟蹤置信度大于相關濾波跟蹤器的閾值，則轉至步驟(3.4)，否則，轉至步驟(3.2)；

(3.4)判斷通過相關濾波跟蹤器的響應圖個數，若存在多個響應圖，則選擇跟蹤置信度值最大的滑動窗口作為第k+1幀第一感興趣區域，轉至步驟(4)；若存在唯一響應圖，則對應的滑動窗口為第k+1幀第一感興趣區域，轉至步驟(4)；

所述相關濾波跟蹤器包括第k幀的訓練樣本特征和跟蹤模型；

(4)將第k+1幀第一感興趣區域劃分為柵格圖像后，各柵格圖像依次通過級聯檢測器篩選出檢測區域；

所述步驟(4)包括：

(4.1)將所述第k+1幀第一感興趣區域劃分為若干柵格；

(4.2)依次計算所述各柵格圖像的方差，若柵格圖像的方差大于方差分類器的閾值，則該柵格圖像通過，轉至步驟(4.3)；否則，柵格圖像淘汰，k＝k+1，執行步驟(2)-(3)以更新第k+1幀的第一感興趣區域，轉至步驟(4.1)；

(4.3)依次對通過方差分類器的各柵格圖像提取每個特征通道對應的二值特征；

(4.4)根據決策樹的特征分布計算每個特征通道的后驗概率；

(4.5)將所有特征通道的后驗概率按通道置信度進行疊加，若疊加值大于多通道隨機蕨分類器的閾值，則柵格圖像通過，轉至步驟(4.6)，否則，柵格圖像淘汰，k＝k+1，執行步驟(2)-(3)以更新第k+1幀的第一感興趣區域，轉至步驟(4.1)；

(4.6)依次計算通過多通道隨機蕨分類器的各柵格圖像與目標窗的歸一化互相關系數，若柵格圖像的相關系數加權相加值大于相關一致分類器的閾值，則柵格圖像通過，轉至步驟(4.6)，否則，柵格圖像淘汰，k＝k+1，執行步驟(2)-(3)以更新第k+1幀的第一感興趣區域，轉至步驟(4.1)；

(4.7)判斷通過多通道隨機蕨分類器的柵格個數，若存在多個柵格，則篩選與第一感興趣區域的位置最近的柵格作為檢測區域；若存在唯一柵格，則唯一柵格為檢測區域；

(5)根據檢測區域校準第k+1幀的第一感興趣區域獲取第k+1幀的第二感興趣區域；

所述步驟(5)包括：

(5.1)判斷檢測區域是否穩定，若穩定，則根據檢測區域校準第k+1幀的第一感興趣區域獲取第k+1幀的第二感興趣區域，轉至步驟(6)；否則，轉至步驟(5.2)；

(5.2)以第k+1幀的第一感興趣區域為中心更新第k+1幀的第一訓練樣本和跟蹤模型的參數；

(5.3)k＝k+1，執行步驟(2)-(4)以更新檢測區域，轉到步驟(5.1)；

所述根據檢測區域校準第k+1幀的第一感興趣區域獲取第k+1幀的第二感興趣區域，具體方式如下：

cx＝tcx*(1-rate)+dcx*rate

cy＝tcy*(1-rate)+dcy*rate

其中，tcx為第k+1幀的第一感興趣區域的中心點的橫坐標，tcy為第k+1幀的第一感興趣區域的中心點的縱坐標；dcx為檢測區域的中心點的橫坐標，dcy為檢測區域的中心點的縱坐標；cx為修正后的第k+1幀的第二感興趣區域的中心點橫坐標，cy為修正后的第k+1幀的第二感興趣區域的中心點縱坐標；rate為檢測區域在修正時所占比重，值越大那么第k+1幀的第二感興趣區域越靠近檢測區域；

(6)以第k+1幀的第二感興趣區域為中心生成第k+1幀的第二訓練樣本，并基于第k+1幀的第二訓練樣本分別更新跟蹤模型和級聯檢測器；

(7)判斷是否滿足k+1m，若滿足，則k＝k+1，轉至步驟(2)；否則，停止；其中，m為序列圖像的最大幀數。