[发明专利]一种单视角被遮挡的目标的跟踪和定位方法

说明书

技术领域

本发明属于目标跟踪和定位的技术领域，具体地涉及一种单视角被遮挡的目标的跟踪和定位方法，单视角被遮挡的目标是指目标在一个视角中被遮挡而在另一个视角中是可见的。

背景技术

人体跟踪是计算机视觉领域中重要的研究分支，它在智能监控、视频会议和人机交互等领域有广泛的应用。在目标跟踪领域，经常被用到的是卡尔曼滤波器(KF)和扩展卡尔曼滤波器(EKF)，前者用于线性系统，后者用于非线性系统。但是对于系统中出现非高斯分布的噪声时，上述两种滤波方法的性能就会下降，甚至会出现发散现象。这是由于视觉系统本身具有高度的非线性和非高斯性，因此对非线性、非高斯系统的相关理论和处理技术的研究有很大的实用意义，它已成为该领域中的研究发展的重要趋势。粒子滤波是近几十年兴起的一种非线性、非高斯系统的滤波方法，它对系统没有特别的属性要求，应用在目标的跟踪领域有很好的效果。在研究中粒子滤波存在着粒子退化、遮挡问题难处理等问题，因此，研究和设计基于粒子滤波的行人跟踪系统是非常有意义的。

为了获得稳定的跟踪效果，需要解决一系列问题，包括目标检测和分割、特征表示和动态跟踪等。针对这些问题，研究人员提出很多人体跟踪的方法。传统的人体跟踪方法使用颜色信息作为特征来跟踪，如颜色直方图特征。这些方法大都基于单个摄像机的视频序列，由于无法得到目标3维空间信息，这些方法很难处理目标被遮挡和消除相似目标等问题。多个摄像机可以得到多视角的视频序列，它提供了更多的信息可用于跟踪。因此，研究人员提出很多基于重叠的多摄像机跟踪方法来解决被遮挡目标的跟踪。虽然多视方法可以通过不同的视角分割目标，但是要解决不同视角中相同目标的配准和计算目标空间位置还很困难。

近年来随着TOF（Time Of Flight，深度相机）和Kinect（微软的一款深度相机）等深度相机的出现，可以联合深度相机得到颜色和深度信息，来解决目标遮挡和其它问题。最近研究者尝试使用3维和深度相机解决更复杂的问题。例如，使用立体相机重构3维空间来进行人体跟踪。此外，一种融合目标外观和深度特征的方法被用于跟踪和定位。虽然使用立体相机后跟踪效果得到很大提升，但是它还没有完全解决遮挡问题，特别是目标被完全遮挡这种情况。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种更清晰准确地获得去除遮挡的目标图像的单视角被遮挡的目标的跟踪和定位方法。

本发明的技术解决方案是：这种单视角被遮挡的目标的跟踪和定位方法，包括以下步骤：

（1）采用多个RGB-D（可以同时采集图像信息和深度信息的相机）相机配准；

（2）对多个RGB-D相机得到的颜色和深度进行特征模型表示；

（3）基于粒子滤波模型对步骤（2）的特征模型进行跟踪和定位。

由于目标被遮挡，只用一个相机很难完成目标被遮挡情况下的持续跟踪，为此本方法使用了多个RGB-D相机协同工作，因为当目标在一个相机中被遮挡的情况发生时，在另一个相机中此目标是可见的，所以可以根据此相机中得到的目标空间位置并结合两个相机间的空间变换关系，计算出目标在另一个相机坐标系下的位置，这样就实现了目标在被遮挡情况下的持续跟踪。

具体实施方式

这种单视角被遮挡的目标的跟踪和定位方法，包括以下步骤：

（1）采用多个RGB-D相机配准；

（2）对多个RGB-D相机得到的颜色和深度进行特征模型表示；

（3）基于粒子滤波模型对步骤（2）的特征模型进行跟踪和定位。

由于目标被遮挡，只用一个相机很难完成目标被遮挡情况下的持续跟踪，为此本方法使用了多个RGB-D相机协同工作，因为当目标在一个相机中被遮挡的情况发生时，在另一个相机中此目标是可见的，所以可以根据此相机中得到的目标空间位置并结合两个相机间的空间变换关系，计算出目标在另一个相机坐标系下的位置，这样就实现了目标在被遮挡情况下的持续跟踪。

优选地，步骤（1）中相机变换模型为公式（1）：

p₁=R·p₂+T                                        (1)