[发明专利]基于局部距离学习和排序队列的视觉目标跟踪方法

说明书

技术领域

本发明属于计算机视觉领域，涉及一种序列图像目标跟踪方法。

背景技术

视觉目标跟踪是视频分析的一个基础环节，不仅在视频监视、智能 交通、人机交互等有广泛的应用前景，而且对视频序列中目标运动轨迹 和行为分析等高级语义的提取和检索具有重要的意义。视频序列场景复 杂多变，被跟踪目标多数处于运动状态，使得其背景变化无常。准确稳 定的跟踪对于后续算法性能的提高有极大帮助。

一类重要的、也是当前主流的序列图像目标跟踪算法是基于目标检 测与分类的判别式方法。这类方法主要由以下三部分组成。第一部分是 目标的表达，现有的方法包括用图像像素直接构成目标向量、目标轮廓 曲线、整体或区域直方图、随机小图像片集合等。第二部分是分类器的 选择与设计，现有的方法包括SVM、AdaBoost等。第三部分是具体模型 或分类器的实时更新，各种跟踪算法基本上采用启发式的更新规则。通 过第二部分和第三部分的反复循环，这类方法不断在下一帧中确定目标 的位置，从而实现对目标的跟踪。

现有的以上这类主流方法的主要问题出现在模型或者分类面的更新 上。因为判别式方法是采用分类面来对目标和背景建模的，而这样的模 型对于目标来说往往过于粗糙了，所以在更新过程中很容易造成分类面 的偏差。偏差的积累就造成了被跟踪目标的丢失。

发明内容

现有技术在视频目标跟踪中经常遇到的经典困难包括视频序列中 被跟踪目标与背景相似，以及目标和背景外观随时间变化等，现有技术 受这些困难的影响比较大。本发明的目的是提供一种基于局部距离学习 和排序队列的视觉目标跟踪方法来大大减轻上述经典困难对目标跟踪 算法性能的不利影响。

为了达成所述目的，本发明提供一种基于局部距离学习和排序队列 的视觉目标跟踪方法，该方法的步骤包括：

步骤1：用目标框和背景框在一个视频文件的第一帧图像中选定需要 被跟踪的目标以及该被跟踪目标附近的背景，并在两个框中随机采样得 到表示图像中被跟踪目标及被跟踪目标局部背景的两个小图像片集合； 图像中被跟踪目标的小图像片集合由多个目标小图像片组成，图像中被 跟踪目标的局部背景的集合由多个背景小图像片组成；用机器学习的方 法学习每一个目标小图像片的局部距离度量函数；根据每个目标小图像 片的局部距离度量函数，计算该目标小图像片与第一帧图像中除了该目 标小图像片之外的所有其它小图像片之间的距离，根据这些距离的大小 建立该目标小图像片所对应的排序队列，计算该排序队列的纯净度，并 由能产生高纯净度排序队列的目标小图像片组成目标模型；

步骤2：从视频文件中读取紧接着上一帧图像的新一帧图像，对新一 帧图像随机采样，得到一个新的小图像片集合；

步骤3：对于目标模型中的每个目标小图像片，根据该目标小图像片 的局部距离度量函数，计算该目标小图像片与在新一帧图像中采样得到 的所有小图像片之间的距离，根据这些距离的大小建立新一帧图像中所 有小图像片的一个排序队列；

步骤4：对于每个新一帧图像中的小图像片，根据这个小图像片在各 排序队列中的位置，并利用算得的纯净度计算这个小图像片的置信度； 根据所有小图像片的置信度及所有小图像片在新一帧图像中的位置建 立在新一帧图像中的置信图；

步骤5：根据置信图，利用均值移动算法确定被跟踪目标在新一帧图 像中最有可能的位置，并将该位置认定为被跟踪目标在新一帧图像中的 新位置，将目标框移至该新位置，并输出显示该新位置；

步骤6：根据被跟踪目标的新位置和新一帧图像中各小图像片的置信 度，更新目标小图像片集合和背景小图像片集合；

步骤7：更新目标模型中的部分目标小图像片及其局部距离度量函 数，返回步骤2。

其中，所述目标小图像片所对应的排序队列，是由若干和该目标小 图像片距离最近的小图像片构成，其距离越小的小图像片在排序队列中 的位置越靠前。

其中，所述采用随机采样方法是从包围被跟踪目标的目标框中提取 小图像片，目标框是与被跟踪目标大小基本一致的矩形图像区域，用所 有这些小图像片中具有高纯净度排序队列的小图像片所构成的集合表 示被跟踪目标；以及所述采用随机采样的方法是从包围目标框的更大的 矩形背景框中提取小图像片，用所有这些小图像片所构成的集合表示图 像中被跟踪目标的局部背景。