[发明专利]一种基于懒交互方式的视频跟踪方法

说明书

本发明克服了现有的视频跟踪算法存在计算速度不高与鲁棒性不足二选一的技术缺陷，提出了新的一种基于懒交互方式的视频跟踪方法。本发明主要创新在于当目标部分遮挡和光照变化明显时，通过判定分块异常情况，提出了基于懒交互分块重采样的目标跟踪方法。其中，分块异常的判定主要分为三种情况：一是，分块远离跟踪目标；二是，正样本与负样本的比例失衡；三是，分块可跟踪的置信度值太低。通过这些条件，可将异常分块筛选出来，进行重新建模和跟踪。因要对多个分块进行跟踪，本发明引入KCF算法作为基本跟踪算子以保证跟踪的效率。本发明能够最大限度保证重采样本的鲁棒性，以达到跟踪效果的延续性和正确性，同时还能保证较高的计算速度。

技术领域

本发明涉及模式识别领域，更具体地，涉及一种视频跟踪方法。

背景技术

视频跟踪(又称：目标跟踪)主要研究如何利用计算机自动跟踪视频中的运动目标，首先通过提取目标的运动、颜色、纹理、形状等特征，同时考虑背景的灰度、结构和统计等特征，构造目标与背景的数学模型及其度量方程，然后设计匹配策略和判别准则，最终实现对目标的检测、定位和跟踪。目标跟踪在民用和军事领域具有广泛应用，如视频监控、智能机器人、无人驾驶车等等。因此，视频跟踪技术的发展，对加快科技发展，促进社会生产力提高具有重要意义。

由于实际场景的复杂多变、目标本身形态的变化等现象存在，运动目标检测和跟踪的发展受到阻碍。目前已有的一些优秀的算法在应用场合中对解决某一个或某几个场景有比较好的效果。效果比较好的算法主要是两类，一种是基于深度学习理论，一种是基于相关滤波原理，这两类跟踪算法都有不错的效果。但前者计算复杂度高，计算速度得不到保证。而后者计算速度快，准确度高。但是在处理光照变化、遮挡、形变等情况下，由于会导致目标的偏移积累，导致跟踪目标发生漂移，显得鲁棒性不足。

发明内容

本发明克服了上述现有的视频跟踪算法存在计算速度不高与鲁棒性不足二选一的技术缺陷，提供了一种新的基于懒交互方式的视频跟踪方法。本发明有较好的鲁棒性和较高的计算速度。

一种基于懒交互方式的视频跟踪方法，通过使用基于懒交互方式的重采样方法来处理视频跟踪过程中目标变化的问题，实施步骤如下：

步骤A：图像初始化，以第一帧图像为模版，对图像进行分块，分块数量为预设值N，计算每个分块的中心位置和面积，计算每个分块的中心位置与模板中心位置的偏移量，对每个分块进行正负样本的判定，通过KCF算法对每个分块建模；

步骤B：通过KCF算法对每个分块进行跟踪；

步骤C：根据前一帧的分块信息和KCF跟踪结果，确定每个分块在当前帧的信息，具体包括：每个分块的置信度值、每个分块在目标对象上的概率值、每个分块出现在某个位置上的概率值，并根据分块的置信度值和在目标对象上的概率值判断是否对该分块进行跟踪；

步骤D：计算当前帧每个分块的中心位置和面积；

步骤E：计算目标在当前帧的中心位置和目标框架面积的缩放比例；

步骤F：对每个分块进行异常判定，根据分块异常率的阈值，判定是否对异常分块进行重采样；

步骤G：采用懒交互方式对异常分块进行重采样，即采用人工交互的方式对需要重采样的分块进行重采样操作。

步骤H：计算重采样分块的中心位置和大小，根据步骤E的目标在当前帧的中心位置和前一帧的目标大小，对重采样分块进行正负样本的判定；

步骤I：重新计算目标在当前帧的中心位置；

步骤J：计算目标区域的面积，并再次计算目标在当前帧的中心位置和面积；

步骤K：如果没有跟踪完所有帧，则对下一帧图像进行跟踪，重复步骤B到步骤J；如果跟踪完所有帧，则结束程序。