[发明专利]一种基于金字塔表观模型的运动目标跟踪方法

说明书

技术领域

本发明涉及计算机视觉领域，特别涉及可视化跟踪(Visual tracking)中的表观建模技术。

背景技术

基于移动摄像机的运动目标跟踪是近年来计算机视觉领域里的前沿研究方向之一，也是该领域中的难点之一。该任务最大的挑战与难点在于如何对目标进行有效地表达，而目标表达大多数是通过对目标表观进行建模来实现的。因此，如何构建一个好的表观模型对目标跟踪起着至关重要的作用。特别是在时序数据流中，目标的表观是随着时间而变化的，同时还可能受到各种因素的干扰。此外，还要满足实际应用的低计算复杂度的要求。这样就给我们提出一个严峻的挑战，那就是如何构建一个低复杂度的、鲁棒的、并且自适应的表观模型，这对目标的运动跟踪是非常重要的。

近年来，利用增量PCA算法对跟踪目标进行子空间学习成为了目标表观建模最有效的方法。该方法可以通过对子空间特征基和均值的在线更新，捕捉目标随时间的变化，达到目标表观在线更新的目的。

发明内容

为了解决现有技术的问题，本发明的目的在于提出一种有效的表观建模方法，以满足移动摄像机的复杂场景下(剧烈运动、光照变化，噪声，部分遮挡，形变等)鲁棒的运动目标跟踪。

为了实现上述目的，本发明提出了一种基于金字塔表观模型的运动目标跟踪方法，包括步骤如下：

步骤1：给出待跟踪目标物体在初始帧里面的状态和观测；

步骤2：采用金字塔分割和增量主成分分析的方法对跟踪目标进行金字塔表观建模；

步骤3：在金字塔表观模型中融入跟踪目标的纹理信息；

步骤4：在金字塔表观模型中融入跟踪目标的形状信息；

步骤5：将跟踪目标在当前帧的状态加上随机扰动作为下一帧的粒子，将所得粒子的观测与目标在当前帧的观测分别进行金字塔表观建模并进行比较，选定最为相似的粒子对应的观测作为被跟踪的目标在下一帧的状态；

步骤6：对选定观测的金字塔表观模型从低层至高层逐层计算所有分块的重构误差，并与设定的阈值进行比较，对重构误差小于阈值的分块进行表观更新。

本发明的有益效果：

1)本发明在增量子空间学习的基础上，引入多尺度分析的思想，对目标进行三层空间金字塔分割，利用目标的空间结构信息建立更加有效的表观模型，不仅保证了有效的目标跟踪，也为后续的特征融合以及选择性表观更新提供了基础。

2)本发明充分利用了金字塔结构，在像素特征的基础上，进一步融合了类Haar特征和PHOG特征，加入了目标的纹理信息和形状信息，对目标进行更加有效地描述，使跟踪结果更加鲁棒。

3)基于本发明中提出的金字塔表观分割的方法，提出了一种新的选择性的表观模型更新方法，该方法能够更加准确有效地捕捉目标的表观变化，保证鲁棒的目标跟踪。

附图说明

图1是本发明提出的基于金字塔表观模型的运动目标跟踪方法流程图；

图2是本发明实施例中金字塔表观分割示意图；

图3是本发明中金字塔表观模型中定义的类Haar特征示意图；

图4是本发明中金字塔表观模型某一层中的某个类Haar特征；

图5是本发明中金字塔表观模型中的PHOG特征示意图；

图6是本发明中采用金字塔表观模型和选择性表观更新的跟踪方法(pyd)与未采用金字塔表观模型的跟踪方法(ivt)在目标姿势变化以及遭受严重遮挡情况下的实验结果图；

图7是上述两种跟踪方法在该视频上的量化对比结果。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

本发明提出了一种基于金字塔表观模型的运动目标跟踪方法。该方法具体运行的硬件和编程语言并没有限制，用任何语言编写都可以完成，为此其他工作模式不再赘述。优选地，可以采用一台具有3.2G赫兹中央处理器和4G字节内存的计算机并用Matlab语言编制完成基于金字塔表观模型的运动目标跟踪的工作程序，实现本发明提出的上述方法。

图1示出了本发明提出的基于金字塔表观模型的运动目标跟踪方法流程图。如图1所示，该方法包括：

步骤1、给出待跟踪目标物体在初始帧里面的状态和观测；

步骤2、对目标进行金字塔表观建模：采用金字塔分割和增量主成分分析的方法对跟踪目标进行表观建模；