[发明专利]基于联合预测-检测-修正框架的长期目标跟踪算法

说明书

本发明属于计算机视觉领域，为提出一种联合预测‑检测‑修正跟踪的视觉目标跟踪框架，实现视觉目标跟踪，本发明采取的技术方案是，基于联合预测‑检测‑修正框架的长期目标跟踪算法，通过预测器模块预测目标运动趋势和尺度变化，利用检测器模块结合预测参数进行有效的目标位置估计和目标尺度估计，通过修正器模块结合精化机制进行目标位置的修正，从而实现精确的目标跟踪。本发明主要应用于行人监控、动态手势识别、人机交互等场合。

技术领域

本发明属于计算机视觉领域，涉及一种基于联合预测-检测-修正框架的长期目标跟踪算法。

背景技术

作为视觉信息分析的基础技术之一，视觉目标跟踪算法研究一直以来都是计算机视觉领域研究的热门方向。目标跟踪研究主要是通过在计算机中模拟人类对视觉目标的感官认识，赋予计算机稳定地跟踪特定目标的能力，从而为后续其他的应用，例如行人监控、动态手势识别、人机交互等，提供重要的技术基础。在计算机视觉领域，目标跟踪研究一般指的是通用单目标跟踪算法研究，这也是本文的主要研究内容。所谓的通用单目标跟踪(Visual Object Tracking)，是指在视频第一帧(初始化阶段)通过鼠标或者真实数据标签确定任意目标所在区域，然后由跟踪算法对该目标进行在线的分析，确定目标在后续每一帧中的区域，从而实现任意单目标在线跟踪的目的。这里目标区域的确定，一般是包围目标的矩形框，用于估计目标在视频中每一帧的位置、尺度、旋转角度等信息，并输出对应的信息显示目标在每一帧的实际状态。这种任意选定目标的跟踪方式，使得算法能获取的先验知识得到限制(因为无法预知特定的目标，因此无法提前进行离线训练)，对目标跟踪算法的综合学习能力提出了更高的要求，也增大了目标跟踪研究的难度。

目标跟踪算法具有广泛的应用，比如：在动态手势识别中，目标跟踪算法可以用来跟踪手型，提供目标运动特征用于分类；在手指书写系统中，目标跟踪算法可以用来跟踪手指，获取指尖运动轨迹用于字符和签名识别；在行人监控中，目标跟踪算法可以用来跟踪某个可以人物，也可以扩展为多个单目标跟踪算法的并行应用，实现多行人目标的跟踪；在智能交通系统中，目标跟踪算法可以进行车辆跟踪、车辆引导、车流量分析等等。因此，视觉目标跟踪算法的研究具有重要的理论意义和实际意义。

当前视觉目标跟踪研究依然存在不少的技术难点没有得到很好的解决，导致跟踪器的整体性能达不到理想要求，难以在现实场景中有效应用。技术难点主要有以下三个方面：

(1)目标跟踪精度和跟踪速度的双向平衡和提高问题。在研究如何提高目标跟踪精度的同时，需要考虑如何保持跟踪速度。实现精度高且实时性好的目标跟踪，有利于提高目标跟踪的整体性能，同时有利于目标跟踪算法在实际系统中的应用。

(2)稳定性-可塑性困境。为了实现跟踪的稳定性，需要保持目标模型对历史跟踪结果的记忆；而为了实现跟踪的可塑性，需要及时更新目标模型学习新的变化。就造成了跟踪过程的稳定性和可塑性困境。有必要完整地重构目标模型，提高目标模型的自适应性，以应对跟踪过程中可能出现的各种变化。

(3)长期稳定跟踪难题。目标跟踪属于没有先验知识的在线目标和背景区分问题，无法预先离线训练跟踪器，使其学习到目标有效的特征表示，以应对长期跟踪过程中的目标丢失和消失复现问题。但在实际跟踪过程中，目标可能被其他物体完全遮挡或消失后重新出现，现有的目标跟踪方法大部分无法应对这种情况。

发明内容

为克服现有技术的不足，本发明旨在提出一种联合预测-检测-修正跟踪的视觉目标跟踪框架，实现视觉目标跟踪，本发明采取的技术方案是，基于联合预测-检测-修正框架的长期目标跟踪算法，通过预测器模块预测目标运动趋势和尺度变化，利用检测器模块结合预测参数进行有效的目标位置估计和目标尺度估计，通过修正器模块结合精化机制进行目标位置的修正，从而实现精确的目标跟踪。

具体步骤细化如下：

步骤1：输入第t帧视频图像；