[发明专利]一种基于相关滤波器的长期行人跟踪方法

说明书

本发明公开一种基于相关滤波器的长期行人跟踪方法。本方法包括以下步骤：S1：读入监控视频，划定目标区域；S2：提取目标区域内行人特征；S3：判定目标是否被遮挡；S4：岭回归训练和检测；S5：将跟踪的行人加以标记输出到视频监控。本发明对目标区域内提取行人特征，先判断目标行人是否被遮挡，若被遮挡，则在遮挡后提取预测区域特征与已提取特征进行相似度匹配，达到一定阈值判定搜索到目标行人，再使用岭回归训练检测来跟踪；若无遮挡，则直接进行岭回归训练检测来跟踪。行人再识别提高了目标行人跟踪的准确性，傅立叶变换在岭回归训练检测的应用提高了跟踪的速度。

技术领域

本发明涉及智能视频监控、计算机视觉、机器视觉领域，具体涉及一种基于相关滤波器的长期行人跟踪方法。

背景技术

行人跟踪在计算机视觉领域中是一个基础性分支，其应用非常广泛，如智能相机、自动驾驶、视频监控等等。在过去几十年里，行人跟踪的研究有了很大的进展，但是由于应用环境的限制，如光照的影响，行人在运动过程中发生的遮挡和形变这些因素，使得行人跟踪算法性能较低，强鲁棒性的算法难以实现。

行人跟踪是智能视频监控的一个重要分支，在机场、火车站、体育场、候车室和展览馆等大型公共场合的行人跟踪是智能视频监控系统不可缺少的内容。目前已有的行人跟踪方法主要存在如下的问题：

行人与行人或者行人与环境的遮挡问题，运动行人发生的形变问题，随着时间的变化光照的变化问题等。行人在运动过程中由于受到上述因素的影响，对其跟踪的过程也变得越来越难，最终便会丢失目标。

所以如何提高在复杂环境下视频监控系统中行人跟踪的鲁棒性是有待解决的问题。

发明内容

为了解决上述的技术问题，本发明的目的就在于提高行人跟踪的准确性和性能，提供一种基于相关滤波器的长期行人跟踪方法。

本发明所采用的技术方案是：

S10，读入监控视频，对目标划定目标区域。

S20，提取目标区域颜色特征和LBP特征。

S30，判定目标是否被遮挡。

S40，岭回归训练和检测。

S50，将跟踪到的行人加以标记输出到视频监控。

上述的技术方案，其中，所述步骤S10中读入监控视频，对目标划定目标区域包括如下步骤：

S11，使用鼠标对行人目标划定矩形区域，系统初始化各类跟踪参数。

上述的技术方案，其中，所述步骤S20中提取目标区域颜色特征和LBP特征中包括如下步骤：

S21，把目标区域平均分成5个水平条带，每个水平条带的每种颜色空间的每个通道都提取16维颜色直方图特征。

S22，对于每个水平条带，分别提取LBP等价模式中邻域点数为8半径为1和邻域点数为16半径为2的特征，然后将所有的特征串联成行人特征。

S23，由于提取出的特征维数较大，使用PCA方法进行降维。

上述的技术方案，其中，所述步骤S30中判定目标是否被遮挡包括如下步骤：

S31，找到行人目标概率分布最大的位置和概率分布的最大值。

S32，在最大值的周围，找出满足大于某个概率分布阈值的所有点。

S33，计算上述所有点到概率分布最大值点的欧式距离和。

S34，若欧式距离和大于设定的阈值，则判定受到遮挡。

上述的技术方案，其中，所述步骤S40中岭回归训练如下步骤：