[发明专利]一种跟踪视频数据中的目标的方法

说明书

 技术领域

本发明涉及跟踪视频数据中的目标的方法。目标可以是视频中任何被跟踪的对象。目标的例子包括，但不局限于，CCTV（闭路电视）镜头中记录的人，以及通过显微镜观察在样品液体里移动的细胞。

背景技术

本发明涉及跟踪视频或者可视数据中的目标，例如跟踪视频中记录的对象。例如，视频数据可以是预先录制的视频片段，或者实时视频传送。视频的每一帧是一个图像，图像中的一个或多个目标可能是可视的。本发明涉及一种分析这种视频中的帧的方法，从而当目标在视频捕获的区域内移动时，识别目标并跟踪它们。

跟踪视频数据中的目标的一个特别的特征是出现在视频中的任何具体的帧的目标数是未知的，并且随时间而改变（例如，像细胞在显微镜捕获的液体区域内进进出出）。

在2003年第25届IEEE EMBS国际会议年刊上，Taboada, Poggio, Camarena 和 Corkidi，在Automatic tracking and analysis system for free-swimming bacteria（用于自由游动细菌的自动跟踪和分析系统）一文中描述了一种跟踪细胞的方法。该方法识别视频的帧中的任何可能的细胞为色彩和/或亮度鲜明的区域，例如细胞可以识别为每一帧中的“亮斑”。然后细胞的轨迹可以利用帧与帧之间的那些区域交迭来识别。

这个方法会伴随一些问题。视频帧会包含噪音，该噪音可能会导致某区域被错误地识别为细胞，相反地，可能导致细胞未能被识别出。这样会导致识别轨迹时产生误差，一个具体的问题是破坏轨迹（也就是，单个细胞的轨迹可能会被识别为许多更短的，分离的轨迹）。另一个问题是，细胞可能移动得非常快，例如快到每秒移动它们身体长度的200倍。这意味着为了细胞在帧中交迭，需要一个非常高的帧频，这样导致的缺点是需要非常大的视频文件而且大大地限制了可以分析视频的持续时间。还有一个问题就是这种方法难以区分和正确跟踪非常靠近或有重叠轨迹的细胞，使得当有大量细胞时，这种方法变得不可靠。

已知其它各种跟踪细胞的方法，但是这些方法普遍只能跟踪单个或者非常少数的细胞。

已知一种模拟随机数量的移动目标的方法是概率假设密度（PHD）滤波，PHD滤波通常用于模拟从雷达或者声波定位仪获取的数据中的移动目标。但是， Wang, Wu, Kassim 和Huang, 在Data-Driven Probability Hypothesis Density Filter for Visual Tracking, IEEE Transactions on Circuits and Systems for Video Technology, 2008一文中，还有Maggio, Taj and Cavallaro, 在Efficient multi-target visual tracking using Random Finite Sets, IEEE Transactions on Circuits and Systems for Video Technology, 2008一文中描述了用PHD滤波在CCTV数据中跟踪目标的方法。这些文献中描述的方法采用PHD滤波器，称为“微粒”滤波器或连续的蒙特卡洛方法的算法。这些文献中描述的方法有许多问题。当数据是嘈杂的，导致破碎的和错误地被宣告的轨迹时，这些方法可能不可靠。此外，它们不能考虑哪里可能出现新目标的优先信息。这些方法在计算上也是非常昂贵的。

本发明寻求提供一种改进的跟踪目标的方法，该方法避免或者减轻上述中的一些或者所有的问题。

发明内容

根据本发明的第一方面，提供一种跟踪视频数据中的目标的方法，其中，在每一系列的时间步中获得一组加权概率分布要素，该方法在每个时间步中包括步骤：

根据针对目标的预定义的运动模型，由先前时间步的要素获得一组新的要素；

分析当前时间步的视频从而获得一组测量方法；

利用根据预定义的测量模型的测量结果更新一组新的要素；

分析每个时间步获得的一组要素，从而获得目标的一组轨迹。

此方法利用加权概率分布要素模拟潜在的目标；要素的权重代表表明目标确实存在于该要素指示的位置的证据的数量。在每个时间步，要素利用它们预期怎样行动的模型（预定义的运动模型），以及根据从目标的视频数据中获得的测量结果（利用预先确定的测量模型）来更新。分析每一时间步得到的要素从而获得目标轨迹，换句话说就是跟踪目标。