[发明专利]一种大场景中的小目标抗遮挡跟踪方法

说明书

技术领域

本发明涉及目标跟踪方法，具体涉及一种大场景中的小目标抗遮挡跟踪方法，属于智能信息处理和目标跟踪技术领域。

背景技术

基于视频的运动目标跟踪是计算机视觉、图像处理、人工智能等领域广泛关注的内容之一，在智能监控、智能交通等领域有着极其重要的应用价值。基于视频的运动目标跟踪是指运用智能跟踪算法跟踪出现在视频中的目标。目标跟踪技术以人工智能技术代替人力，减轻了工作人员负担，提高了工作效率。

基于视频的目标跟踪应用场景不固定，因此在目标跟踪领域存在一些难以解决的问题。经典的目标跟踪算法如TLD、Struck等依赖于视频中所含目标信息的丰富程度，在大场景中小目标像素少分辨率低的情形下难以正常工作，如果在场景中有遮挡，这些经典算法更是无能为力，因此本发明所提出的算法主要致力于解决如下两个问题：(1)监控摄像机距离需要跟踪的目标较远时，场景较大而目标较小，能获得的目标信息较少，目标特征不明显；(2)对大场景中的小目标进行跟踪，当场景中有遮挡物时，会出现整个目标被遮挡的状况，会导致跟踪的目标丢失。

发明内容

本发明的目的是为了解决现有技术对于大场景下小目标的跟踪过程中获得的目标信息较少，目标特征不明显，出现遮挡物时，导致跟踪目标丢失的问题。

本发明的技术方案是：一种大场景中的小目标抗遮挡跟踪方法，包括以下步骤：

步骤一、利用目标检测方法检测前t₀帧图像中目标所在的位置；.

步骤二、从第t₀+1帧图像开始，判断目标是否被遮挡，若目标被遮挡，进入步骤三，若目标未被遮挡，进入步骤四；

步骤三、利用目标轨迹预测方法对目标的位置进行预测跟踪；

步骤四、将目标检测方法与目标轨迹预测方法结合的跟踪方法确定目标的准确位置。

所述步骤一具体包括：定义一个二维高斯函数g(x，y)；建立t时刻的状态变量模型X_t、t时刻到t+1时刻的一步转移矩阵F、状态变量与输出信号之间的增益矩阵E、系统噪声方差阵Q、观测噪声的方差阵R和t时刻状态变量的均方值初始值P_t。

步骤二所述判断目标是否被遮挡的方法为对目标检测方法中互相滤波结果进行上下文敏感阈值判定，使之不仅能判断目标所在位置，还能判断检测到的目标是否已经被遮挡。

所述步骤四具体包括：通过目标检测方法检测目标所在的位置，利用目标轨迹预测方法对目标轨迹进行预测，并将所述目标检测方法检测目标所在的位置作为观测值输入到目标轨迹预测过程，对目标轨迹预测方法的预测值进行校正，得到目标的准确位置。

所述目标检测方法为互相关滤波目标检测方法。

所述目标轨迹预测方法为卡尔曼滤波轨迹预测方法。

本发明与现有技术相比具有以下效果：本发明创造性的将目标检测方法与目标轨迹预测方法相结合，解决了小目标被遮挡时的跟踪丢失的问题，提高了跟踪的可靠性。本发明通过对目标检测方法中互相关滤波结果进行上下文敏感阈值判定，得到了一种判断目标是否进入遮挡区域的方法，有效的解决了目标遮挡的判定问题。

附图说明

图1，本发明的流程图；

图2，本发明目标图像空间上下文示意图。

具体实施方式

结合附图说明本发明的具体实施方式，本发明的一种大场景中的小目标抗遮挡跟踪方法，包括以下步骤：

步骤一、利用目标检测方法检测前t₀帧图像中目标所在的位置，其检测结果用来初始化目标轨迹预测方法，具体包括：

首先、目标检测方法需预定义一个二维高斯函数