[发明专利]基于部件级表观模型的物体跟踪方法

说明书

技术领域

本发明涉及计算机视觉领域，更具体地，涉及到一种基于部件级表观模型的物体跟踪方法。

背景技术

物体跟踪是计算机视觉领域的一个重要研究内容，近年来已引起人们的广泛关注,成为当前的研究热点。该技术具有广阔的应用前景,在多个领域起着重要作用,如安全监控、人机交互、医疗诊断和车辆流量监控等等。尽管人们已经提出了大量的物体跟踪方法,但在光照和物体外形变化较大或有严重遮挡的情况下,这些方法经常不能提供理想的跟踪结果,常无法追踪到目标物体。因此,提出一种有效的物体跟踪方法具有重要的应用价值和现实意义。

当前，贝叶斯滤波原理在物体跟踪运用上已经相当成熟，涉及的特征提取、建立表观模型、搜索目标、更新表观模型四大部分，其中重点和难点在于表观模型处理。虽然很多成功的物体跟踪算法已经被提出，但是要开发一个能处理复杂的、动态的场景的健壮算法仍然是一个具有挑战性的问题。因为光照发生变化、镜头发生移动、物体发生形变、目标物体发生部分或全部遮挡等等会导致场景的外观发生很大的变化。这些变化只能通过增量更新它们表达的自适应方法进行处理。因此，能够不断学习的在线更新对跟踪物体表观的表示对于跟踪任务而言是很有必要的。

现有的物体跟踪方法在更新物体表观模型时，基于模板，以帧为更新单位，即往建模特征池中加入一帧信息就从特征池中剔除一帧信息。这样的处理方式使物体表观模型随着跟踪目标或场景外观的变化而不断更新，然而，在剔除一帧信息会造成部分有用信息损失。在目标物体形变频繁或部分在跟踪场景中消失时间足够长时，结果往往是更新得到的表观模型不全面，只能得到对物体表观的部分表示。在复杂的背景和物体外观变化大的场景下的跟踪，没有健壮的表观模型，常无法得到有效跟踪结果。

发明内容

为了克服现有技术的不足，即针对物体跟踪方法在基于模板更新物体时，表观模型易造成用表观模型损失部分跟踪物体信息，模型对跟踪物体表示不全面，本发明提出一种基于部件级表观模型的物体跟踪方法，以部件为更新单位，旨在加强表观模型对跟踪物体的完整性表示。

为了克服现有技术的不足，本发明的技术方案为：

一种基于部件级表观模型的物体跟踪方法，包括以下步骤：

S1.创建用于建模的特征池：简单跟踪前m帧图像并记录每帧的目标区域，以目标区域为中心向四周扩展得到扩展区域，超像素分割每个扩展区域，超像素记录目标物体部件的信息，提取各部件的特征，并收集所有帧的特征构建特征池；

S2.基于特征池中的特征集创建物体的表观模型；

S3.设已完成前t帧图像的跟踪，t≥m，根据表观模型计算第t+1帧图像的目标区域、及其扩展区域内超像素的特征集和置信度，记录描述目标物体部件的超像素；

S4.计算第t+1帧图像特征集的补集，当没有严重遮挡时，执行S5，否则执行S8；

S5.以特征池中距离当前时间最久的帧作为被替换帧；

S6.当被替换帧中描述目标物体部件的超像素数量大于β时，β为预先设定的常数，从这些超像素中选出β个作为当前帧特征集的补集，其中β个超像素的特征矢量与当前帧描述目标的超像素的特征矢量的欧式距离最大，则转入S11；否则转入S7；

S7.将被替换帧中描述目标物体部件的超像素的特征集作为当前帧特征集的补集，转入S11；

S8.选择特征池中距离当前时间最近的第3帧作为被替换帧；

S9.当被替换帧中描述目标物体部件的超像素数量小于或等于α时，α为预先设定的常数，α<β，将这些超像素的特征集作为当前帧特征集的补集，则转入S11，否则，当被替换帧中描述目标物体部件的超像素数量大于α时，转入S10；

S10.把被替换帧中描述目标物体部件的超像素的置信度最大的α个超像素的特征集作为当前帧特征集的补集；

S11.合并当前帧的特征集及其补集作为当前帧的新特征集，将新特征集加入特征池并删除特征池中被替换帧的特征集，完成一次特征池更新；

S12.若满足更新表观模型条件，根据更新后的特征池构建物体的表观模型，实现表观模型的更新；

S13.转入步骤S3，直到完成整个视频图像序列的跟踪为止。

更进一步的，所述步骤S1中前m帧是基于无表观模型指导的跟踪，具体创建特征池的方式为：