[发明专利]基于特征块优选的运动目标跟踪方法有效

专利信息
申请号: 201710269627.0 申请日: 2017-04-24
公开(公告)号: CN107146238B 公开(公告)日: 2019-10-11
发明(设计)人: 刘贵喜;秦耀龙;高美;高海玲;冯煜 申请(专利权)人: 西安电子科技大学
主分类号: G06T7/246 分类号: G06T7/246
代理公司: 陕西电子工业专利中心 61205 代理人: 田文英;王品华
地址: 710071 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 特征 优选 运动 目标 跟踪 方法
【说明书】:

本发明公开一种基于优选特征块的视觉目标跟踪方法,包括1.读取待跟踪视频;2.初始化;3.分块并检测特征点;4.筛选特征点;5.筛选子块;6.计算目标区域响应图;7.更新目标区域状态;8.更新目标区域分类器;9.输出目标区域信息;10.判断是否读完待跟踪视频的所有帧;11.运动目标跟踪结束。本发明在运动目标跟踪过程中具有很好的实时性和较高的精度,本发明在目标发生遮挡和目标尺度变化剧烈的情况下能够平稳的跟踪运动目标。

技术领域

本发明属于计算机技术领域,更进一步涉及计算机视觉跟踪技术领域中的一种基于特征块优选的运动目标跟踪方法。本发明可以用于对视频场景中的车辆、坦克、行人等运动目标进行实时跟踪。

背景技术

运动目标跟踪方法主要分为单目标跟踪与多目标跟踪。单目标跟踪主要对视频场景中感兴趣的单个目标持续跟踪,获得目标在视频每一帧中的位置。多目标跟踪只要对视频场景中多个目标进行跟踪。近几年,跟踪性能比较高的运动目标跟踪方法主要有STRUCK、KCF、STC等跟踪方法。STRUCK将跟踪问题转化为分类问题,在线训练样本来更新目标模型,然而训练的样本和实际目标并不一定一致,从而影响分类效果。KCF跟踪器采用核化相关滤波方法,利用循环矩阵和傅里叶变换完成样本的训练,获得高效的目标分类器,然而该方法不能应对目标遮挡,在目标发生遮挡时,容易造成跟踪失败。STC跟踪算法对目标和它上下文的空间关系进行建模,该方法可以很好的应对目标遮挡问题。视觉目标跟踪普遍存在场景光照复杂、目标遮挡、尺度变化、目标形变等问题,导致跟踪算法的精度、鲁棒性不高。

浙江生辉照明有限公司在其申请的专利文献“一种基于核化相关滤波高速自动多目标跟踪”(专利申请号201410418797.7,公开号CN104200237 A)中公开了一种基于核化相关滤波高速自动多目标跟踪方法。该方法采用岭回归训练方案,通过加速傅里叶变换训练目标样本获得分类器,完成对大量样本的快速训练,获得高性能的目标分类器。但是,该方法依然存在的不足之处是,没有考虑在连续帧上目标发生遮挡的问题,在目标发生遮挡时,容易造成跟踪失败,从而不能长时间持续跟踪目标。

山东大学在其申请的专利文献“一种新型的基于分块策略的视频跟踪方法”(专利申请号201510471102.6,公开号CN105139418 A)中公开了一种新型的基于分块策略的视频跟踪方法。该方法将目标区域分成若干个小块,利用每一个小块的颜色直方图与周围的小块的颜色直方图来比较,判断目标是否发生遮挡,当发生遮挡时,在后面的粒子滤波算法中降低该块的权重,降低遮挡对目标跟踪造成的影响。但是,该方法依然存在的不足之处是,颜色直方图的鲁棒性不高,在发生关照变化时,容易丢失目标,造成跟踪失败。

发明内容

本发明的目的在于克服上述现有技术存在的不足,提出了一种基于特征块优选的运动目标跟踪方法。

实现本发明的思路是,基于特征点并利用光流跟踪获得特征点对,根据两个特征点判断准则筛选特征点,从而获得有效块。利用核化相关滤波KCF得到响应图、峰值旁瓣比PSR以及目标分类器,以响应图作为特征点的权重,进而得到平移变化和尺度变化。通过峰值旁瓣比PSR判断,获得目标的遮挡状态,依据遮挡状态采用相应不同的策略,从而完成对目标持续鲁棒性跟踪,提高算法应对遮挡和尺度变化的能力,增强算法的鲁棒性和精度。

为了实现上述目的,本发明的具体步骤如下包括:

(1)从视频摄像头中读取待跟踪的运动目标视频:

(2)初始化:

(2a)从待跟踪的运动目标视频中读入第一帧图像;

(2b)在待跟踪的第一帧图像上用鼠标框出待跟踪的运动目标;

(2c)利用分块方法,对待跟踪的运动目标区域进行分块,得到运动目标区域的子块区域;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710269627.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code