[发明专利]基于深度图的权重关联目标跟踪算法

说明书

本发明涉及一种基于深度图的权重关联目标跟踪方法，包括：遮挡检测机制的建立：第一步：对输入的深度图像进行处理，建立深度信息统计函数对的值进行判断，若大于某一阈值则认为是目标发生了遮挡问题；遮挡问题的处理：建立时空权重函数；建立权重关联模型以解决遮挡问题；当目标发生遮挡问题时，不会对权重关联模型进行更新，若当目标没有发生遮挡问题时对权重关联模型进行更新。

技术领域

本发明涉及视觉跟踪领域，更具体地，涉及一种基于深度图的目标跟踪算法。

技术背景

视觉目标跟踪是计算机领域的一个热点话题并有着广泛的应用如安防监控、自动驾驶等领域。近年来，为了解决视觉跟踪存在的困难如部分遮挡和尺度变化等问题，大量优秀的跟踪算法被提出。这些跟踪算法可以分为基于生成模型和判别模型的方法。基于生成模型的方法通过学习目标的表面模型去寻找与跟踪目标最相似的区域作为预测的跟踪结果。而基于判别模型的方法将目标跟踪看作是一个二分类的问题，即寻找与背景分类间隔最大的区域作为预测的跟踪结果。这种方法在抑制背景混杂的问题上相对生成模型更加鲁棒，但是对于部分遮挡问题较为敏感，容易导致跟踪失败。

作为一个在视觉跟踪中不可避免的挑战问题，部分遮挡问题可以在一定程度上通过深度图解决。因此利用深度图为基于判别模型的方法解决部分遮挡问题是一个可行的方式。以下几种方法将深度图引入跟踪。Yuan等将深度图被融入到基于超像素的目标表示模型中，但是其没有开发深度信息去处理遮挡问题。Gao等基于深度图提出了一种分层的有向图模型。 Song等对彩图和深度图提取方向梯度直方图特征并结合支持向量机完成跟踪任务。

发明内容

本发明的目的是提供一种充分利用深度信息的权重关联目标跟踪算法，以提高跟踪效果。技术方案如下：

一种基于深度图的权重关联目标跟踪算法，包括如下步骤：

(1)遮挡检测机制的建立，方法如下：

第一步：对输入的深度图像进行处理，建立深度信息统计函数

其中，d_t表示的是视频序列第t帧的深度信息，μ_t和σ_t分别表示的是深度信息变化的均值和标准差，表示的是在第t帧坐标(x,y)上的像素所对应的深度值，表示的是深度信息从第t-1帧到第t帧的变化之和；

第二步：对的值进行判断，若大于某一阈值则认为是目标发生了遮挡问题；

(2)遮挡问题的处理，方法如下：

第一步：建立时空权重函数

其中，是一个尺度参数，表示的是跟踪目标在第t帧的中心位置，B是用优化的k均值聚类的方法得到的二值图。

第二步：建立权重关联模型以解决遮挡问题

其中，F表示的是傅里叶变换函数(FFT)，F^-1表示的是反傅里叶变换函数(IFFT)，·表示的是点积，I(·)是目标及其周围环境的图像强度，m(·)为置信函数，H_t(·)为关联模型。

(3)自适应更新机制

当目标发生遮挡问题时，不会对权重关联模型进行更新，若当目标没有发生遮挡问题时对权重关联模型进行更新。

本专利提出的基于深度图的权重关联目标跟踪算法充分利用深度信息，并利用了时空环境模型。该方法有效的提高了视觉跟踪效果。

附图说明

图1位置误差度量的精度曲线图