[发明专利]基于学习和加速鲁棒SURF特征的目标跟踪方法

说明书

技术领域

本发明属于图像处理技术领域，涉及视频目标跟踪方法，可应用于智能监控、目标跟踪和人机界面。

背景技术

序列图像的目标跟踪是图像处理技术应用的重要组成部分，它是指通过对输入的视频图像序列进行分析，确定各帧中目标所在的位置，获得相关的参数。目标跟踪是计算机视觉中关键技术之一，融合了图像处理、模式识别和人工智能等领域，在机器人视觉导航、安全监测、交通管制、视频压缩以及气象分析等许多方面都有广泛应用。如军事方面，已被成功地应用于武器的成像制导、军事侦察和监视等；民用方面，如视觉监控，已被广泛地应用于社会生活的各方面。目标跟踪可应用于社区和重要设施的保安监控；用于智能交通系统中进行车辆的实时追踪，可以得到车流量、车型、车速、车流密度等等许多有价值的交通流参数，同时还可以检测事故或故障等突发状况。

天津大学提出的专利申请“一种基于模板匹配的目标跟踪方法”(专利申请号201010529681.2，公开号CN102004898A)公开了一种基于模板匹配的目标跟踪方法。该方法中模板图像和待匹配区域的像素按照圆形排列为多个子窗口，采用圆形模板匹配准则确保目标具有平移和旋转不变性，采用Kirsch算子计算模板和跟踪窗内各像素的边缘强度值，将灰度匹配值与强度匹配值之和作为匹配结果，最佳匹配值的位置确定为跟踪目标的位置，但是它的缺陷是：当目标发生遮挡时，匹配出现误差导致跟踪失败。

上海电机学院提出的专利申请“一种视觉目标识别与跟踪方法”(专利申请号201010537843.7，公开号CN101986348A)，公开了一种视觉目标识别与跟踪方法。该跟踪方法包括：默认第零帧搜索窗口与图像等大，第一帧图像识别并获得包围框，然后是搜索窗口的预测，它利用图像处理方法对包围框和其中特征点进行计算，同时在目标跟踪的基础上提出了一种可预测的搜索窗口的方法，对标志的目标进行运动预测和跟踪，缩小了搜索范围，该跟踪方法虽然对提高实时性有一定的效果，但是当运动目标发生遮挡或者快速变化时，运用上述预测搜索窗方法则无法实现准确跟踪。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于学习和加速鲁棒SURF特征的目标跟踪方法，以提高目标跟踪对目标发生遮挡和运动快速变化的准确性。

实现本发明的思路是：在视频第一帧定义正负样本来训练一个分类器，输入视频后利用跟踪-在线学习-检测框架对目标进行实时跟踪，为了解决跟踪失败的情况，在系统中加入一个目标的加速鲁棒SURF特征检测器与随进森林检测器作为互补，即提取加速鲁棒SURF特征对目标进行二次检测，实现稳健的目标跟踪。具体实现步骤包括如下：

(1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；

(2)通过跟踪-在线学习-检测模型跟踪目标：

2a)用视频的第一帧对跟踪-在线学习-检测模型进行初始化；

2b)将步骤(1)标记出的跟踪目标作为正样本，在正样本附近取100个图像块域作为负样本，并用这些正负样本训练随机森林检测器；

2c)从输入视频的第二帧开始，对待跟踪目标进行跟踪与检测；

(3)判定跟踪与检测目标的结果：

3a)设定置信阈值Tc＝0.7，如果跟踪结果的置信值大于Tc，则认为是有效跟踪，即跟踪到了目标，同时用跟踪结果更新随机森林检测器，执行步骤(6)；

3b)如果跟踪结果的置信值小于Tc，则认为是跟踪失败，执行步骤(4)；

(4)提取目标模板和视频当前帧的SURF特征：

4a)计算目标模板的积分图像值I_1∑：