[发明专利]基于最近邻分类器和均值漂移的目标跟踪方法

说明书

技术领域

本发明属于图像处理技术领域，涉及视频目标跟踪方法，可应用于智能监控、目标跟踪和人机界面。

背景技术

序列图像的目标跟踪是图像处理技术应用的重要组成部分，它是指通过对输入的的视频图像序列进行分析，确定各帧中目标所在的位置，获得相关的参数。目标跟踪是计算机视觉中关键技术之一，其融合了图像处理、模式识别和人工智能等领域，在机器人视觉导航、安全监测、交通管制、视频压缩以及气象分析等许多方面都有广泛应用。如军事方面，已被成功地应用于武器的成像制导、军事侦察和监视等。民用方面，如视觉监控，已被广泛地应用于社会生活的各方面。目标跟踪可应用于社区和重要设施的保安监控；用于智能交通系统中进行车辆的实时追踪，可以得到车流量、车型、车速、车流密度等等许多有价值的交通流参数，同时还可以检测事故或故障等突发状况。

广州灵视信息科技有限公司提出的专利申请“一种基于图像块特征的目标跟踪方法及跟踪系统”(专利申请号CN201110267278.1，公开号CN102324030A)公开了一种基于图像块特征的目标跟踪方法及跟踪系统。该跟踪方法包括：根据基准目标图像块和背景图像块的特征建立基准目标模板，将待跟踪目标的特征与基准目标图像块的特征进行相似度比较，根据相似度比较结果确定待跟踪目标的位置。该方法虽然对正常运动情况下的目标有一定的跟踪效果，但是仍然存在的不足是：当目标出现遮挡或者快速变化这些相对多变的运动时，会导致跟踪的失败。

上海大学提出的专利申请“一种复杂场景下的运动目标跟踪方法”(专利申请号CN201110043782.3，公开号CN102110296A)，公开了一种复杂场景下的运动目标跟踪方法。本方法包括：对指定的图像区域采用背景加权的方法统计直方图，在跟踪过程中对每帧图像利用贝叶斯公式建立背景的更新颜色概率分布图,实时地更新搜索区域内的目标颜色概率,对适应背景的更的颜色概率分布图利用Camshift算法迭代出质心位置。该方法虽然能够在复杂场景下对目标进行较准确的跟踪，但当运动目标发生遮挡，跟踪就会发生漂移且无法恢复正常，导致跟踪失败。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于最近邻分类器和均值漂移的目标跟踪方法，以提高目标跟踪对目标发生遮挡和运动快速变化的鲁棒性。

实现本发明的技术方案是：在第一帧标记出待跟踪目标，并初始化前景和背景模型，将特征匹配和均值漂移meanshift算法的跟踪进行决策级的融合作为最终的跟踪结果，同时通过引入的遮挡判定思想，当目标发生遮挡时对目标模型不更新，提高目标模板更新的准确性，以完成目标的正确跟踪。具体步骤包括如下：

(1)输入一段视频中的第一帧，并用矩形框标记出待跟踪目标，分别用g和h表示该矩形框的长和宽；

(2)模型初始化：

2a)提取步骤(1)中视频第一帧的尺度不变sift特征，并用待跟踪目标的尺度不变sift特征初始化为目标模型，并计算该目标模型的颜色直方图，用第一帧中其余的尺度不变sift特征初始化为背景模型；

2b)用步骤(1)中待跟踪目标的中心位置初始化均值漂移meanshift模型；

(3)确定新一帧视频图像中目标搜索区域；

(4)提取步骤(3)中得到的目标搜索区域内的尺度不变sift特征，根据目标搜索区域和上一帧的目标跟踪结果，通过均值漂移meanshift模型获得当前帧的目标中心位置，得到一个面积为A的目标框；

(5)利用最近邻分类器对步骤(4)中提取的尺度不变sift特征和步骤2a)得到的初始化目标模型及背景模型进行特征点匹配，得到一个面积为B的目标框，其中成功匹配点的数目记为n；

(6)输出当前帧的目标跟踪结果：

6a)根据步骤(4)中得到的面积为A的目标框和步骤(5)中得到的面积为B的目标框，计算两个目标框的重叠面积C，得到面积重叠率P＝C/(A+B-C)；

6b)将面积重叠率P和成功匹配点的数目n分别与设定的阈值T和阈值N进行比较，如果成功匹配点的数目n大于阈值N＝35，则将面积为B的目标框作为当前帧的目标跟踪结果输出；如果n＜N,且面积重叠率P大于阈值T＝0.7，则将两个目标框对应坐标取均值作为当前帧的目标跟踪结果输出，否则将面积为A的目标框作为当前帧的目标跟踪结果输出，并计算目标跟踪结果的颜色直方图。

(7)判断目标是否被遮挡：

7a)根据步骤2a)得到的目标模型的颜色直方图和步骤(6)得到的目标跟踪结果的颜色直方图得出遮挡因子Occ；