[发明专利]基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法

摘要

本发明公开了一种基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法，主要解决现有TLD算法中目标发生遮挡导致检测与跟踪误差变大甚至失效的问题。其实现步骤为：1.输入视频图像的第一帧和目标区域，并对目标进行均匀采样得到多个局部区域；2.对每一个局部区域的检测参数和在线模型进行初始化；3.更新检测参数和在线模型；4.读入新的视频帧，对目标的局部区域进行跟踪、检测得到所有局部结果；5.计算更新所有局部区域的权重值；6.对所有局部结果进行聚类，得到目标的跟踪结果；7.对输入的新视频图像重复步骤3～6。本发明能在目标遮挡情况下的有效的检测跟踪到目标，并提高了精度，可用于自动视频监控、智能交通等领域。

主权项

1.基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法，包括：(1)对目标进行初始化：(1a)输入第一帧视频图像F₁，并在该视频图像中手工标定目标区域G₁，通过均匀采样的方式对目标区域G₁划分得到m个局部区域其中表示第一帧视频图像的第j个局部区域，1≤j≤m,目标区域G₁包含目标区域的中心点Gc¹和目标区域的尺寸Gs¹；(1b)初始化所有局部区域的空间权重和时间权重得到联合权重其中表示第一帧视频图像第j个局部区域的空间权重，表示第一帧视频图像第j个局部区域的时间权重，表示第一帧视频图像第j个局部区域的联合权重；(2)将每一个局部区域作为一个独立目标，初始化并更新每个局部区域的检测参数和在线模型{M₁,…,M_j,…,M_m}，其中M_j表示第j个局部区域的在线模型，检测参数包括方差阈值vcla_j，概率阈值最近邻阈值位置，分组信息和排序信息；(3)更新每所有局部区域的在线模型{M₁,…,M_j,…,M_m}、最近邻阈值和概率阈值；(4)输入第n帧视频图像，通过检测跟踪学习算法TLD，得到所有局部区域在第n帧的跟踪结果(5)判断上一帧即第n‑1帧是否是第一帧：如果第n‑1帧是第一帧，则根据(1b)直接得到所有局部区域初始化的联合权重如果第n‑1帧不是第一帧，则根据第n‑1帧的目标区域G_n‑1和局部区域跟踪结果计算所有局部区域在第n‑1帧视频图像中的空间权重和时间权重得到第n帧视频图像中的联合权重(6)将所有局部区域的跟踪结果进行基于第n‑1帧联合权重的meanshift算法聚类，得到最后的聚类中心RP_n即为第n帧的目标区域G_n；；(7)判断是否有下一帧视频图像输入，如果没有输入，结束整个跟踪过程，否则返回(3)。