[发明专利]一种基于组合判断策略的视觉目标跟踪方法

说明书

本发明涉及一种基于组合判断策略的视觉目标跟踪方法，步骤如下：(1)针对目标尺寸变换问题，建立一个自适应尺度，从而自动调整跟踪框大小；(2)针对目标被遮挡后无法继续确定目标所在位置的问题，采用卡尔曼滤波对当前观测量进行预测，当目标重新出现后继续使用KCF算法跟踪目标；(3)针对目标快速移动造成跟踪失败的问题。本发明通过检测目标在相邻帧中位置移动距离，以此计算目标运动速率，自适应的调节检测区域大小扩展系数，能够在不同的环境下获得较高的精度，有效提高整个跟踪系统的鲁棒性，并保持较高的计算速度，具有很高的工程实用价值。

技术领域

本发明涉及一种基于组合判断策略的视觉目标跟踪方法。

背景技术

运动目标跟踪是一种针对视频信号进行处理、采样和检测的方法，通过某些具体特征对图像包含的特定区域进行检测和标记。近些年众多学者提出了很多优秀的跟踪算法，常用的跟踪算法主要有以下三种思路：基于特征匹配的方法、基于区域相关度的方法和基于模型的方法。

其中基于特征的方法不需要在意目标的外型情况和目标种类，在确定好提取的特征之后，构造特征向量或者特征图，在相邻帧之间进行比较，在上一帧的目标位置周围进行特征匹配。例如国外学者StnaBicrhfield提出的基于颜色直方图和灰度梯度联合模型的算法。

基于区域的跟踪方法则是将重点放在运动目标的连通域上，将其作为检测对象从而实现目标跟踪，区域信息包含颜色信息、纹理信息和像素信息等，因此可以选用区域信息中的一种或多种特征，对图像目标进行检测跟踪。对于此类方法Wrell曾提出过利用小区域特征把人的连通域分解为躯干、四肢、头等部分，得到多个小区域的联合体，再对区域块分别跟踪，实现室内环境下的单人跟踪。

基于模型的跟踪方法是目前研究比较热门的方法，它根据原理可以分为生成式模型算法和判别式模型算法，生成式模型算法是通过在线或离线的学习建立目标的外观模型后，再在每一帧视频序列中计算与该模型最接近的位置视为结果坐标，而判别式模型算法采用的是对图像进行分类，把目标和背景进行分离，得到目标和背景的判别模型，并用学习的方法进行模型更新。在主流的生成式模型跟踪算法中，Shen等学者利用颜色搭建的直方图表征目标模型具体信息；Wang.H等使用空间信息和颜色信息的融合编码建立混合高斯模型，近似表征目标外观。

但由于实际视频信号当中，感兴趣的目标区域往往会受到一些环境因素的影响，导致算法计算结果不准确，无法稳定跟踪目标。因此对于运动目标如何保持长期稳定跟踪的理论研究，逐渐成为计算机视觉关注点较高的方向。目前目标跟踪技术的上关于环境因素的主要三个难点分别是：目标运动信息的剧烈变化、目标尺寸的变化和由于障碍物导致的遮挡问题。目标运动信息的变化最主要的是运动速度的突然改变，使得跟踪器无法做出快速调整；目标大小改变、形变等则会导致目标纹理等特征发生变化；目标遮挡的出现往往是视频环境中出现了建筑物等障碍，破坏了目标轮廓的完整性。采用何种特征表示目标，以及如何建立自适应模型来解决这些问题，是设计一个鲁棒的跟踪器的关键。

本发明针对目标跟踪视频中存在的快速移动、部分或完全遮挡、尺寸变换等问题，采用多种跟踪器组合判断图像帧当中目标所在位置，提高目标跟踪算法的性能和计算速度，可以长时间稳定跟踪目标，并有效克服一些环境因素的干扰，具有广泛的实际工程应用价值。

发明内容

本发明的技术解决问题是：克服现有跟踪算法所受到的主要几种环境因素的影响，提供一种多种跟踪器组合判断的目标跟踪方法，能够在不同的环境下获得较高的精度，有效提高整个跟踪系统的鲁棒性，并保持较高的计算速度，具有很高的工程实用价值。