[发明专利]一种基于快速聚类的行人实时跟踪方法

摘要

本发明公开了一种基于快速聚类的行人实时跟踪方法，首先获取第一帧图像行人兴趣区域，生成初始类别和类别中心；从第二帧图像起，根据上一帧图像获得当前帧图像行人兴趣区域且提取最终特征，根据最终特征与上一帧图像所属类别类别中心或其他类别中心，通过核化相关滤波器预测置信度，检测出当前帧图像所属类别；当目标丢失时，针对下一帧图像，先获取该帧图像中可能存在行人目标的区域，根据各区域最终特征与各个类别中心，通过核化相关滤波器预测置信度，检测出行人兴趣区域以及该帧图像所属类别，寻找到丢失目标。本发明将行人不同姿态、遮挡状态以及外界变化聚类成不同外观类别，缓解目标跟踪中面临的姿态变化、遮挡以及外界光照变化的问题。

主权项

1.一种基于快速聚类的行人实时跟踪方法，其特征在于，步骤如下：S1、首先通过行人分类器对第一帧图像进行检测，获取到行人目标的初始位置，即宽高和中心点坐标；然后根据行人目标的初始位置截取行人兴趣区域生成到行人外观初始类别，并且将行人兴趣区域作为该初始类别的类别中心；S2、从第二帧图像开始，以上一帧图像行人目标的中心点为中心，宽高为大小截取到当前帧图像的行人兴趣区域；S3、从当前帧图像的行人兴趣区域中提取方向梯度直方图特征，然后对方向梯度直方图特征进行傅里叶变换后得到当前帧图像的行人兴趣区域最终的特征图；S4、根据步骤S3获取到的当前帧图像的行人兴趣区域最终的特征图和上一帧图像中行人外观所属类别的类别中心，通过核化相关滤波器预测行人目标的中心点以及置信度X；然后进入步骤S5；S5、将步骤S4中获取到的置信度X与设定阈值A进行比较；若置信度X大于设定阈值A，则当前帧图像中行人外观所属类别即为上一帧图像中行人外观所属类别，此时根据当前帧图像的行人兴趣区域，利用均值平滑更新当前帧图像中行人外观所属类别的类别中心；针对下一帧图像进行处理时，进入步骤S2；若置信度X小于设定阈值A，则进入步骤S6；S6、根据步骤S3获取到的当前帧图像的行人兴趣区域最终的特征图和除上一帧图像所属类别的类别中心之外的其他各类别中心，分别通过核化相关滤波器预测行人目标的中心点以及置信度，并且从中选取出值最大的置信度Y；然后进入步骤S7；S7、将步骤S6中获取到的置信度Y与设定阈值A和设定阈值B进行比较，其中设定阈值B小于设定阈值A；若置信度Y大于设定阈值A，则当前帧图像中行人外观所属类别即为根据核化相关滤波器预测得到置信度Y的类别中心对应的类别；此时根据当前帧图像的行人兴趣区域，利用均值平滑更新当前帧图像中行人外观所属类别的类别中心；针对下一帧图像进行处理时，进入步骤S2；若置信度Y在设定阈值A和设定阈值B之间，则根据当前帧图像的行人兴趣区域，直接生成新的行人外观类别；针对下一帧图像进行处理时，进入步骤S2；若置信度Y小于设定阈值B，则表示当前帧图像中的行人目标丢失，针对下一帧图像进行处理时，进入步骤S8；S8、利用图像边缘信息生成当前帧图像中可能存在行人目标的各个区域，然后进入步骤S9；S9、针对当前帧图像中可能存在行人目标的各个区域，分别提取方向梯度直方图特征，然后对方向梯度直方图特征进行傅里叶变换后得到当前帧图像中可能存在行人目标的各个区域所对应最终的特征图；S10、根据当前帧图像中可能存在行人目标的各个区域所对应最终的特征图和各类别中心，通过核化相关滤波器分别预测行人目标的中心点以及置信度，并且从中选取出值最大的置信度Z；然后进入步骤S11；S11、将步骤S10中获取到的置信度Z与设定阈值A进行比较；若置信度Z大于设定阈值A，则预测得到置信度Z的最终的特征图对应的区域为当前帧图像的行人兴趣区域，当前帧图像中行人外观所属类别即为根据核化相关滤波器预测得到置信度Z的类别中心对应的类别；此时根据当前帧图像的行人兴趣区域，利用均值平滑更新当前帧图像中行人外观所属类别的类别中心；针对下一帧图像进行处理时，进入步骤S2；若置信度Z小于设定阈值A，则表示当前帧图像中的行人目标未正确检测到，针对下一帧图像进行处理时，进入步骤S8。