[发明专利]一种具有遮挡感知机制的实时视觉目标跟踪方法

说明书

本发明提出了一种具有遮挡感知机制的实时视觉目标跟踪方法，该方法首先融合基于相关性滤波器跟踪算法和基于颜色统计信息的贝叶斯概率模型跟踪算法两者的跟踪结果进行目标的位置预测，然后单独训练一维的尺度金字塔进行目标的尺度估计，此外设计了一种遮挡感知机制，能够判别被跟踪目标是否被局部或完全遮挡，进而决定模型的更新策略以及利用何种模型进行新一帧的跟踪，避免背景信息的污染使跟踪器产生漂移，跟踪算法根据上述步骤迭代地对目标进行持续地跟踪。所提算法能够实时准确地跟踪到目标，且能够有效应对形变、旋转、遮挡、尺度变化、光照变化、运动模糊等多种问题。

技术领域

本发明属于目标跟踪领域，具体是一种具有遮挡感知机制的实时视觉目标跟踪方法。

背景技术

随着计算机技术的发展，目标跟踪由于其在视频监控、人机交互、机器人等方面具有很高的应用价值，成为了计算机视觉领域的研究热点，其可以定义为，给定视频流中的第一帧图像中感兴趣目标的矩形框，估计出所选目标在接下来每帧图像中的状态(位置及大小)。近年来有大量的目标跟踪算法被提出，但由于实际应用中的遮挡、背景杂乱、光照变化以及目标的尺度与形状变化等，设计一种鲁棒、长期、实时的目标跟踪算法仍然是比较困难的问题。

现有的基于相关性滤波器的跟踪算法能够在跟踪的准确性和速度上均获得较好的效果，但是由于其是一类基于严格模板的方法，所以该类方法不能很好处理目标剧烈的形变、超平面旋转等情况，而且不能适应目标的尺度变化。基于颜色统计信息的概率模型算法在一定程度上能够弥补上述相关滤波算法的缺点，其原因在于该算法所采用的特征不包含像素的位置信息，但是该类算法对光照变化比较敏感，另外单独利用颜色统计信息容易使跟踪器产生漂移问题。

产生漂移问题的主要原因是在线分类器在更新时引入了噪声，在预测过程中噪声会不断积累，最终使算法无法准确跟踪目标。被跟踪目标的外观变化如遮挡等均会产生噪声，因此有必要设计一种遮挡感知机制来在线处理跟踪过程中的遮挡问题。

发明内容

针对上述问题，本发明提出了一种具有遮挡感知机制的实时视觉目标跟踪方法，该方法首先融合基于相关性滤波器跟踪算法和基于颜色统计信息的贝叶斯概率模型跟踪算法两者的跟踪结果进行目标的位置预测，然后单独训练一维的尺度金字塔进行目标的尺度估计，此外设计了一种遮挡感知机制，能够判别跟踪目标是否被局部或完全遮挡，进而决定模型的更新策略以及利用何种模型进行新一帧的跟踪，避免背景信息的污染使跟踪器产生漂移。所提算法能够实时准确地跟踪到目标，且能够有效应对形变、旋转、遮挡、尺度变化、光照变化、运动模糊等多种问题。本发明采用下面的技术方案：

一种具有遮挡感知机制的实时目标跟踪方法，其特征在于：

包括如下步骤：

1)位置估计，分别提取搜索区域内的HOG特征学习相关性滤波跟踪器、颜色直方图特征学习贝叶斯概率模型跟踪器，通过解决两个独立的岭回归问题将两者的响应进行同构，利用线性融合的方法确定目标的位置；

2)尺度估计，引入单独的一维相关性滤波尺度估计机制，以估计的位置为中心，获取不同尺度大小的图像块，再将不同大小的图像块统一成固定模板大小，提取fhog特征形成S层特征金字塔，利用hann窗消除边界效应，作为输入，输出的最大响应所对应尺度即可以看作是最优尺度估计；

3)遮挡感知，完成当前t帧的位置与尺度估计后时，根据“目标相似性”与“背景相似性”判别遮挡情况，划分未遮挡、局部遮挡与完全遮挡，未遮挡情况下，更新分类器集合C与目标图像块集合F，计算新的“背景相似性” T_t^min，在t+1帧的预测中，未被完全遮挡的情况下，用当前分类器模型预测目标位置，否则在集合中利用最小能量函数选取最优分类器模型，预测目标；

重复上述步骤进行连续跟踪。

本发明的优点和有益效果：