[发明专利]目标检测与追踪方法及系统

说明书

技术领域

本发明涉及一种目标检测与追踪方法及系统，且特别涉及一种在复杂环境中针对一或多个目标进行即时检测与追踪的方法及系统。

背景技术

近年来，视觉监控技术不断精进且被广泛地应用在各项领域之中。以智慧型运输系统（Intelligent Transportation System，ITS）为例，其运用视觉监控技术进行测距及动态物体检测来提供预先警告驾驶人不当的驾驶行为以及适应性速度控制等功能，如此避免碰撞以预防肇事产生，并可确保行车速度不超过安全范围。

现有的测距技术是采用雷达或激光等基于硬件的方式来进行，然而以雷达为基础的技术虽然拥有准确的深度讯息和较长的检测距离，但昂贵的硬件成本导致其普及化不易。而现有的动态物体检测技术在具有复杂背景的环境下则容易造成高误判率。目前对物体进行检测与追踪的技术多半需要在较单纯的背景环境下才能达到良好的效果，且为了达到稳健的检测效果又必须耗费大量的运算成本，难以同时顾及系统效能与准确率。

发明内容

有鉴于此，本发明提供一种目标检测与追踪方法及系统，可在明暗度差异大、画面具有频繁动态，以及背景复杂程度高等多种环境中，提供快速且稳健的目标物检测与追踪机制。

本发明的目标检测与追踪方法包括下列步骤：首先提取视频中的一画面（frame，又称之为“影格”）作为第一画面，并扫描第一画面以检测目标物在第一画面中的显示区域。接着，根据显示区域占据第一画面的面积比例，以及视频中接续在第一画面之后的至少一参考画面来追踪目标物，并记录被追踪的目标物的抗缩放及抗旋转特征。随后，利用抗缩放及抗旋转特征来辨识目标物是否出现在特定画面中。

本发明的一实施例中，目标检测与追踪方法还包括：取得多个训练正样本与多个训练负样本，提取各训练正样本与各训练负样本的纹理特征，并利用各训练正样本与各训练负样本的纹理特征，以及一分类器融合算法来训练目标物分类器。

在本发明的一实施例中，上述扫描第一画面以检测目标物在第一画面中的显示区域的步骤包括：以n个目标物分类器组成级联式（cascade）分类器，其中n为正整数。利用级联式分类器对第一画面进行n次扫描程序，以检测出目标物在第一画面中的显示区域。其中每一次的扫描程序包括：在第一画面中依照特定方向移动检测视窗以完整扫描第一画面，并随后缩小第一画面的尺寸。

在本发明的一实施例中，上述根据显示区域占据第一画面的面积比例，以及视频中接续在第一画面之后的至少一参考画面，对目标物进行追踪的步骤包括：判断面积比例是否超过预设值。如果面积比例不超过预设值，则从显示区域提取出关于目标物的至少一特征点，并利用提取自显示区域的上述特征点与上述参考画面，对目标物进行追踪。如果面积比例超过预设值，则从显示区域内的多个子区域，分别提取出关于目标物的至少一特征点，并利用提取自上述子区域的上述特征点与上述参考画面，对目标物进行追踪。

在本发明的一实施例中，上述子区域为显示区域的左上角区域及右下角区域。

在本发明的一实施例中，上述子区域彼此不重叠或部分重叠。

在本发明的一实施例中，上述参考画面包括：相邻于第一画面的第二画面，以及相邻于第二画面的第三画面。而根据显示区域占据第一画面的面积比例，以及视频中接续在第一画面之后的参考画面，对目标物进行追踪的步骤包括：从第一画面提取出关于目标物的至少一特征点，根据卡尔曼（Kalman filter）滤波器，计算第二画面中的预估范围，并执行光流追踪（Optical flow）算法来估计提取自第一画面的上述特征点在第二画面的预估范围内的移动信息。接着，从第二画面提取出关于目标物的至少一特征点，根据卡尔曼滤波器计算第三画面中的预估范围，并执行光流追踪算法来估计提取自第二画面的上述特征点在第三画面的预估范围内的移动信息。

在本发明的一实施例中，目标检测与追踪方法还包括：利用加速强健特征提取（Speeded Up Robust Features，SURF）算法建立抗缩放及抗旋转特征。

在本发明的一实施例中，上述特定画面是时序上在所有参考画面之后的任意画面，而利用抗缩放及抗旋转特征来辨识目标物是否出现在特定画面中的步骤包括：从特定画面提取出待辨识特征，比对待辨识特征与抗缩放及抗旋转特征。当待辨识特征符合抗缩放及抗旋转特征时，则判定目标物出现于特定画面中。