[发明专利]基于帧间约束超像素编码的目标跟踪方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及计算机视觉技术领域中的一种基于帧间约束超像素编码的目标跟踪方法。本发明采用一种基于超像素分割的帧间约束编码估计方法实现运动目标跟踪，可用于监督视频监控的行为、对气象进行分析和天气进行预测。

背景技术

运动目标跟踪的主要任务是从视频图像序列中检测出待跟踪的运动目标，进而在每一帧图像中确定出运动目标的位置。随着人们对计算机视觉领域的不断深入认识，目标跟踪越来越成为该领域备受关注的技术之一，尽管目前已经有大量的算法来实现运动目标跟踪，但由于外观形变、光照变化、遮挡、背景杂乱、视角变化等因素的影响，使得实时准确地跟踪目标仍然存在大量困难。

近年来，超像素分割逐渐成为计算机视觉领域流行的图像处理方法。超像素不同于以往的像素概念，它是比像素略大的像素块，并且这些块的边界与图像中的纹理信息是一致的，可以看作是一种图像的过分割。它能够捕获图像的冗余信息，从而大大降低图像处理后续任务的复杂度。另外，在稀疏表示、压缩感知的基础上，稀疏编码等方法被人们广泛应用到目标跟踪中，稀疏编码模型通过对过完备字典中基原子进行线性组合来重构输入特征描述子。在这些方法中，目标被表示成模板系数的线性组合，并且这些组合系数是稀疏的，即只有少数系数是非零值。

南京信息工程大学提出的专利申请“一种多特征联合稀疏表示的目标跟踪方法”（专利申请号201310241910，公开号CN103295242A）公开了一种基于特征联合稀疏表示实现目标跟踪的方法。该方法实现的具体步骤是，首先，跟踪视频序列的前n帧构建初始字典；其次，对目标模板进行分块处理，抽选出候选粒子并提取目标特征，确定图像特征数和块的类别数；然后，对候选粒子的特征进行核化处理，将候选样本用字典中所有块进行稀疏表示；最后，对候选样本进行核扩展，求解上述稀疏问题得到稀疏系数，计算块的残差并更新模板库。该方法存在的不足是，通过对目标模板按照预先设定的尺寸大小及步长进行分块构建字典，可能会破坏图像的局部完整性和纹理信息的一致性，构建的字典无法准确地重构样本特征，从而无法实现长期地、准确有效地跟踪。

浙江大学提出的专利申请“基于超像素和图模型的粘连人群分割与跟踪方法”（专利申请号201310090086，公开号CN103164858A）公开了一种用超像素和图模型实现人群中目标跟踪的方法。该方法实现的具体步骤是，首先，对输入视频图像进行目标检测和跟踪得到各个目标的头部位置信息，其中包括运动前景；其次，对运动前景进行超像素预分割获取前景超像素分割图；最后，根据人体先验形状信息和颜色信息在前景分割图上构建一个加权图模型，通过寻找最优路径找到粘连目标之间的最佳分割边界。该方法存在的不足是，通过人体先验形状信息和颜色信息构建加权图模型，虽然可以解决一些背景杂乱、目标漂移情况下的跟踪，但当目标形变较大、光照变化、模糊、遮挡时，很容易丢失视频图像的空间位置信息，难以实现准确有效地跟踪。

发明内容

本发明针对现有技术的不足，提出一种基于帧间约束超像素编码的目标跟踪方法，以实现当目标快速运动、遮挡、外观剧烈变化时对目标进行准确、有效地跟踪。

为实现上述目的，本发明的具体步骤如下：

（1）预处理第一帧图像：

（1a）输入一段待跟踪视频图像序列中的第一帧图像，将第一帧图像作为当前帧图像；

（1b）在当前帧图像中将待跟踪目标用矩形框标出，将矩形框的位置作为待跟踪目标的初始位置；

（1c）提取当前帧图像中所有像素点的颜色模型Lab特征描述子；

（2）构建初始字典：

（2a）采用Turbopixels方法，将当前帧图像分割成为超像素块；

（2b）对当前帧图像的每个超像素块中所有像素点的颜色模型Lab特征描述子求平均值，将该平均值作为每个超像素块的颜色模型Lab特征描述子；

（2c）采用k均值聚类的方法，将每个超像素块的颜色模型Lab特征描述子进行聚类，得到初始字典；

（3）样本编码：

（3a）在当前帧图像中，以待跟踪目标的初始位置为中心，取出与待跟踪目标的初始位置大小相同的多个矩形框，将这些矩形框作为样本；

（3b）提取样本中超像素块的颜色模型Lab特征描述子；

（3c）按照下式，计算样本的编码：