[发明专利]一种基于单应性约束的跨摄像头目标跟踪方法

说明书

本发明公开了一种基于单应性约束的跨摄像头目标跟踪方法，步骤如下：一、针对输入的图片，使用HOG特征和颜色特征对目标进行特征提取；二、根据得到的特征，使用相关滤波器的学习规则学习得到滤波模板，同时更新模板；三、根据给定的特征因子对目标响应映射进行融合，得到最终响应映射最大值的位置即为目标所在的位置；四、根据单应性约束以及颜色特征限制，确定相邻摄像头中目标是否为同一目标；五、结合多摄像头目标定位以及单摄像头目标跟踪结果，得到最终跨摄像头场景下目标跟踪结果。本发明针对目前目标跟踪领域出现的目标快速移动、目标离开视野、光照变化、目标遮挡等情况给出了一种新的解决方案，为将目标跟踪应用于实际场景提供了新思路。

许二敏

技术领域

本发明属于计算机视觉、图像处理领域，特别涉及一种基于单应性约束的跨摄像头目标跟踪方法。

背景技术

跨摄像头目标跟踪是当前视频目标跟踪领域的研究热点，其主要任务是跟踪目标在多个摄像头之间的运动，是智能视频分析的基础。跨摄像头是在多个摄像头之间跟踪具有时间和空间离散性的运动目标，在智能交通、公共安全等领域具有重要应用价值。相对于单摄像头下的目标跟踪，它能够提供对运动目标跨视域、大范围、长时间、鲁棒性更好的跟踪效果。但同时跨摄像头目标跟踪也是极具难度的，首先，单摄像头目标跟踪通常面临几大难点：外观变形、光照变化、快速运动和运动模糊、背景相似干扰、平面外旋转、平面内旋转、尺度变化、遮挡和出视野等情况，而跨摄像头目标跟踪不仅继承了单摄像头目标跟踪的复杂性，同时还需要建立摄像头关联模型，融合来自各个摄像头的图像信息。因此，针对跨摄像头目标跟踪方法值得进一步研究。

跨摄像头目标跟踪通常主要包括单摄像头目标跟踪以及跨摄像头目标定位两个问题。目标跟踪，目前公认分为两大类：生成模型方法和判别模型方法，目标比较流行的是判别类方法也叫检测跟踪。通过对近几年举办的OTB和VOT竞赛结果分析，判别类方法已经成为主流算法，OTB50里面的大部分方法都是判别类方法，经典判别算法以Struck和TLD方法为代表，Struck在2012年之前是最好的方法，TLD是经典长时间跟踪的代表，而之后相关滤波器方法以及深度学习方法相继出现，由于其优异的跟踪准确率以及实时性，占据主流算法的地位。

单摄像头目标跟踪方面，在OTB50上表现优异的相关滤波器类方法，往往无法解决目标跟踪的常见问题如快速运动、光照变化等，导致在实际场景中跟踪效果差。跨摄像头目标定位方面，实际场景中往往会出现作为足部位置被遮挡的情况，导致基于单应性约束的目标确认结果较差，在这种情况下仅仅利用单应性约束很难将目标在摄像头之间正确匹配起来。

该发明单摄像头目标跟踪采用相关滤波器结合颜色特征以及HOG特征的方法，可以有效的应对目标快速变形和快速运动以及光照变化和背景相似颜色的问题；跨摄像头目标定位采用高效的单应性约束结合颜色特征，可以有效的解决跨摄像头目标定位问题。综合以上方法提出的跨摄像头目标跟踪算法可以有效的解决目标跟踪中出现的目标快速变形和快速运动、光照变化和背景相似、目标遮挡等情况，具有极大的实用价值。

发明内容

本发明的目的在于克服现有技术的缺点和不足，提供一种适用于实际应用场景，克服目标跟踪领域常见技术难点的跨摄像头目标跟踪方法，采用单摄像头目标跟踪结合跨摄像头目标定位，实现跨摄像头目标跟踪。具体技术方案实现，一种基于单应性约束的跨摄像头目标跟踪方法：

1.可选地，步骤如下：

步骤一、分析输入视频图像的每一帧图片，提取HOG特征和颜色特征；

步骤二、基于HOG特征和颜色特征分别学习得到两个滤波器模板，在目标未离开当前摄像头视域的情况下，使用两个滤波器模板对目标分别学习得到对应的响应，实现在单摄像头下的目标跟踪；

步骤三、目标进入两个摄像头视野重叠区域后，使用基于单应性约束的跨摄像头目标定位方法确定下一摄像头中目标位置，再次执行单摄像头下的目标跟踪；