[发明专利]基于外观和运动连续性交叉验证的自适应模板更新策略

说明书

技术领域

本发明属于计算机视觉技术领域，特别涉及一种用于目标跟踪的模板更新策略。

背景技术

视觉跟踪又称模板跟踪，其基本过程可以描述为在视频起始图像中确定任意物体作为跟踪目标(即模板)，然后利用视觉跟踪算法在后续图像序列中对该目标进行精确定位。视觉跟踪是机器视觉领域的热门课题之一，被广泛应用于安防监控、赛事转播、无人平台、人机交互等场合。

从原理上讲一个基本的视觉跟踪过程主要包括目标的特征提取与表达，特征匹配以及模板转移。视觉跟踪的前提是假设目标尺度，颜色，结构形态等外观特征在跟踪过程中基本保持不变，该假设在较短的时间范围内基本可以满足，但随着时间的推移和场景的变化目标外观不可避免的会发生变化，从而造成模板过期和失配。为了避免模板过期，实现较长时间范围内目标跟踪，目标模板应当随着跟踪过程的推进而不断更新以补偿动态场景的不断变化造成的模板改变。最简单的模板跟新策略是将每一帧跟踪到的结果作为下一帧中目标跟踪的参照模板，即每一帧都进行模板更新。然而该更新策略带来的新的问题是每一帧跟踪结果的跟踪误差会逐渐累计，并最终使跟踪结果逐渐偏离目标导致模板漂移。因此，视觉跟踪中模板更新存在一个矛盾—如果模板更新频率过慢，由于场景变化造成的模板过期会导致跟踪丢失；如果模板更新频率过快，模板匹配误差会快速累积导致模板漂移，进而也导致跟踪丢失。因此虽然近年来不同的视觉跟踪算法不断被提出，但在较长的时间范围内和动态场景下实现可靠地视觉跟踪依然是个公认的难题。

发明内容

本发明的目的是：为了避免由于目标跟踪过程中由于漂移误差累计和目标外观模板过期造成的跟踪性能衰减和失败，提出一种基于外观和运动连续性交叉验证的自适应模板更新策略。

本发明的技术方案是：基于外观和运动连续性交叉验证的自适应模板更新策略，步骤为：

步骤一：目标外观模型的建立与跟踪；

1.1外观模板特征提取与表达

设I为某帧图像，图像I中的目标用矩形框T＝[x,y,w,h]确定，其中(x,y)为矩形框的左上点，w，h分别为矩形框的宽和高；将矩形框T内的图像区域作为参考模板并进行特征点的提取，获得特征点集S并将其作为该模板的特征表达；

S＝{p_i|p_i＝(x_i,y_i),i＝1,2,…} (1)

其中，p_i为图像I中任一特征点；

1.2外观模板特征匹配

在后续某帧图像I'中，对特征点集S中的各个特征点分别进行跟踪，得到特征点集S'，S'＝{p'_i|p'_i＝(x'_i,y'_i),i＝1,2,…,N}；

其中，p'_i为图像I'中任一特征点；

匹配图像I与图像I'之间对应的特征点，相对应的特征点对之间组成稀疏光流场；

1.3映射关系求解及模外观板转移

根据两帧图像I、I'之间匹配特征点对组成的稀疏光场，对下两帧图像I、I'中目标的几何映射模型H进行求解，设H为仿射变换矩阵，则任意一对匹配特征点满足：

其中α₁,…,α₆为仿射变换矩阵参数，H的最优解通过对公式(4)目标函数求极值获得；

利用对矩形框T的四个顶点进行映射变换即可得到图像I'中目标所处的位置T'；

步骤二：目标运动模型的建立与更新；

对步骤一中外观目标模板的匹配结果进行运动学建模并进行卡尔曼滤波：设T_n为第n帧图像I_n中的外观目标模板，(x_n,y_n)为模板T_n的几何中心坐标，则卡尔曼滤波系统变量和系统方程分别为，

X_n+1＝AX_n+w(6)

Y_n+1＝CX_n+1+v(7)

其中，和分别为目标在水平和竖直方向上的速度和加速度；w为系统噪声；v为量测噪声，A和C分别为卡尔曼滤波系统状态转移矩阵和观测矩阵：

其中，dt是图像更新频率(帧/次)；