[发明专利]一种基于模型交替的抗遮挡目标跟踪方法及系统

说明书

本发明公开了一种基于模型交替的抗遮挡目标跟踪方法及系统，利用全局模型和分块模型交替使用的方法，在全局模型中使用多特征融合定位，在分块模型中使用多子块融合定位，最终实现抗遮挡的目标跟踪。本发明通过结合全局模型与分块模型的互补性优势以解决目标遮挡问题，跟踪准确率高，又可避免同时运行两个模型导致的耗时过长；通过对跟踪响应进行置信度评估，利用归一化峰值旁瓣比衡量响应分布的稳定性，利用相邻两帧的响应图的归一化互相关系数衡量跟踪状态的时域稳定性，结合两者准确地度量了跟踪响应的置信度，将所述置信度与预设阈值比较实现了模型交替条件的有效判断。

技术领域

本发明属于图像目标跟踪技术领域，更具体地，涉及一种基于模型交替的抗遮挡目标跟踪方法及系统。

背景技术

目标跟踪技术在视觉制导、空中交通管制、无人机反制等众多应用范围内都发挥着重要作用，具有突出的科学研究意义和广泛的工程应用前景。尤其是随着应用场景的多样化，目标跟踪算法的准确性和鲁棒性需求也显得日益重要。

从特征表征范围考虑，目标跟踪模型可以分为全局模型和局部分块模型。全局模型通过提取目标的全局视觉特征，能有效应对目标快速运动、姿态变化以及相似背景干扰等情况。但全局模型对目标整体建模，难以处理目标遮挡问题。而局部分块模型通过将目标分为多个子块，能在发生遮挡时利用未被遮挡的子块实现抗遮挡跟踪。但局部分块模型只考虑了目标局部信息，未能有效利用目标整体信息，导致模型在目标快速运动或相似背景干扰等情况下容易产生跟踪漂移。

常用的目标跟踪方法通常仅使用全局模型或者局部分块模型。使用单模型的跟踪方法受限于模型的固有缺陷，而难以对不同干扰因素都具有鲁棒性。为了结合两种模型，部分跟踪方法在跟踪过程中先使用全局模型粗定位，再使用局部分块模型精定位。此类方法将两种模型串联使用，并不能充分挖掘模型之间的互补性优势，并且同时使用两种模型存在运算量大，耗时长的问题。

发明内容

针对现有技术的缺陷，本发明的目的在于提供一种基于模型交替的抗遮挡目标跟踪方法及系统，旨在解决现有单模型跟踪方法对跟踪干扰因素的适应性不足的问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于模型交替的抗遮挡目标跟踪方法，包括以下步骤：

(1)获取待跟踪图像序列初始帧，通过标定确定初始目标区域；

(2)以目标区域作为样本区域，提取颜色名(CN，Color Name)特征、方向梯度直方图(HOG，Histograms of Oriented Gradients)特征、局部二值模式(LBP，Local BinaryPattern)特征得到训练样本，利用分配好标签的训练样本训练全局模型，得到模型参数；

(3)获取下一帧图像作为当前帧，提取当前帧图像样本区域的三种特征，利用全局模型计算当前帧在上一帧样本区域内各个位置处的响应值，形成响应图。将响应图中响应值最大的位置作为特征的响应峰值位置；

(4)根据响应图的归一化峰值旁瓣比NPSR和归一化互相关系数NCC得到当前帧响应峰值位置对应的响应置信度；

(5)若所有特征的响应置信度均小于第一阈值，则转入步骤(8)，否则利用响应置信度对响应峰值位置加权融合得到目标跟踪位置；

(6)以加权融合得到的目标跟踪位置为中心确定当前帧的目标区域，对当前帧的目标区域重复步骤(2)得到当前帧的模型参数，与上一帧的模型参数组合得到更新后的当前帧的模型参数；

(7)若当前图像帧数小于图像总帧数，则重复步骤(3)至(6)，否则结束跟踪；

(8)将上一帧作为初始帧，对目标区域进行分块得到N个子块；

(9)提取子块HOG特征得到各个子块的训练样本，训练N个分块模型得到模型参数，N为正整数；