[发明专利]一种视频目标跟踪中的全遮挡处理方法

说明书

技术领域

本发明属于计算机视觉与模式分析技术领域，具体涉及一种视频目标跟踪中的全遮挡处理方法。

背景技术

目标跟踪在人机交互、自动监视、视频检索、交通监测以及车辆导航中有着广泛的应用。目标跟踪的任务是确定目标在视频流各帧中的几何状态，包括位置、尺寸以及取向等。由于不限定被跟踪目标的外观，而且目标的外观在跟踪过程中可以变化，再加上复杂前景与背景的干扰，目标跟踪方法面临着诸多挑战，是计算机视觉领域的研究热点之一。

目标跟踪方法可分为三类，一类是点跟踪(point tracking)^[1，2]，第二类是核跟踪(kernel tracking)^[3～7，10]，第三类是侧影跟踪(silhouette tracking)^[8，9]。本发明提出的目标跟踪方法属于核跟踪方法。该方法用外观模型(亦即模板)来表征目标，目标在每一帧中的几何信息通常用仿射变换参数来描述^[10]。

对于核跟踪方法，最大的挑战之一就是如何处理目标被遮挡这一问题^[3，5-7]。这一问题之所以难以解决是因为目标与遮挡物都可以是任意外观，且遮挡时间也可以是任意的。遮挡可以分为两种类型：部分遮挡与全遮挡。许多文献^[3，5，11]都给出了解决部分遮挡的方案，但是未给出处理全遮挡的方法。

处理全遮挡的关键在于如何有效探测目标重新出现的时刻并及时再次捕获目标。一个简单的方法是设一个相似度阈值，一旦找到的图像区域与模板之间的相似度超过这个阈值，则认为目标重新出现了。这个方法的问题在于相似度阈值很难确定，因为不同的跟踪视频流所需要的阈值差异很大。文献[6]和[7]通过寻找在预先规定的时长里与模板最匹配的图像区域规避了这个问题。然而，这个方法只能处理全遮挡时长小于其规定时长的情况。另外，如果遮挡物与目标外观很相似，该方法会被干扰。

参考文献

[1]C.Rasmussen，and G.Hager.Probabilistic data association methods for trackingcomplex visual objects.IEEE Trans.on Pattern Analysis and Machine Intelligence，23(6)：560-576，2001.

[2]C.Hue，J.L.Cadre，P.Prez.Sequential Monte Carlo methods for multiple targettracking and data fusion.IEEE Trans.on Signal Processing，50(2)：309-325，2002.

[3]A.D.Jepson，D.J.Fleet，and T.F.EI-Maraghi.Robust online appearance model forvisual tracking.IEEE.Trans.on Pattern Analysis and Machine Intelligence，25(10)：1296-1311，2003.

[4]D.Comaniciu，V.Ramesh，and P.Meer.Kernel-based object tracking，IEEETrans.on Pattern Analysis and Machine Intelligence，25(5)：564-577，2003

[5]S.K.Zhou，R.Chellappa，and B.Moghaddam.Visual tracking and recognitionusing appearance-adaptive models for particle filters.IEEE Trans.on ImageProcessing，13(11)：1491-1506，2004.

[6]H.T.Nguyen，M.Worring，and R.van den Boomgaard.Occlusion robust adaptivetemplate tracking.Proc.IEEE Int’l Conf.Computer Vision，1：678-683，2001.