[发明专利]一种用于机器人跟踪目标行人的方法及系统

说明书

一种用于机器人跟踪目标行人的方法及系统，基于计算机视觉的目标跟踪技术，采用一种将行人检测，目标框过滤和跟踪算法相结合的技术手段，实现了在仅安装有单目摄像头的机器人实时行人跟踪的方法，本发明可用于智能机器人的行人跟踪，监控分析，摄像追踪，克服了当前机器人目标跟踪技术方案中存在的缺陷，诸如：目标跟踪效果差、对设备硬件要求高等不足；在大大提高了目标行人的跟踪效果的同时，降低了对设备硬件的要求。

技术领域

本发明涉及一种计算机视觉技术领域，尤其是一种用于机器人跟踪目标行人的方法及系统。

背景技术

基于视觉的目标跟踪，是指针对视频帧或图片序列进行处理，所指目标是在摄像头中可检测出待跟踪的运动目标，进而在每一帧画面中追踪目标位置；

随着计算机性能的提升和带有摄像头的智能设备的普及，目标跟踪正成为计算机视觉领域备受关注的技术之一；尽管目前已有大量算法来实现运动目标的跟踪，但由于目标形变，快速运动，尺度变化，光照变化，背景杂乱，目标遮挡等原因，既能准确跟踪目标又满足实时性要求的方法仍然是研究的重点和难点；

现有技术中，人们逐渐开始使用机器学习方法来解决计算机视觉的目标检测和目标跟踪问题，这些方法主要分为两大类：

一类是：关注对目标区域建模，下一帧寻找与模型最相似的区域的生成类方法；

例如Kalman等人提出的卡尔曼滤波，Isard和Blake等人提出的光流滤波，Bradski等人提出的自适应的mean-shift方法等；生成类的算法由于只关注对目标进行建模，不考虑目标所在背景，因此在背景杂乱，或有相似目标的干扰情况下，跟踪很容易发生偏移，在机器人跟踪行人上应用无法满足可靠性和准确性方面的要求；

另一类是：关注背景与目标区域差异性的判别类方法，这一类方法通过对目标区域和背景区域进行采样，然后提取样本特征使用机器学习方法训练分类器，下一帧使用训练好的分类器寻找目标所在位置；

目前，判别类方法是目标跟踪算法的主流，这一类方法包括Tian等提出使用在线SVM的方法训练分类器，训练样本来自从视频中获取的关键帧；Bolme等人提出了MOSSE算法，首次将传统信号与系统中的相关滤波思想应用到目标跟踪任务中，使用目标的仿射变换训练初始滤波器，在后续帧完成检测即跟踪任务，并在线更新滤波器模型；判别类的方法在训练分类器时需要选取正负样本，并且还要考虑在每一帧进行在线更新分类器模型的问题，负样本的基数往往很大，如何选择适量的样本往往是这一类算法的瓶颈，样本选取太少，训练的分类器不够准确，样本选取太多又需要耗费大量计算资源，训练分类器花费的时间太多，无法满足实时性要求。

另外，现有的跟踪方法，往往对于硬件的要求较高，系统装置设计复杂，不利于部署，比如：专利公开号为CN103020983A的中国专利，公开了一种用于目标跟踪的人机交互装置及方法，该装置通过对使用者的人眼视线追踪，确定使用者的跟踪目标并进行跟踪；该设备需要含有多个摄像头的头盔装置，获取周围场景帧，并交给信息处理单元进行处理，处理结构发送给显示装置进行显示；该装置不仅需要多个摄像头，还需要红外光源以及两块微处理器用于信息处理单元，对硬件的要求非常高，普通的机器人无法作为基体满足跟踪要求。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种用于机器人跟踪目标行人的方法及系统，基于计算机视觉的目标跟踪技术，采用一种将行人检测，目标框过滤和跟踪算法相结合的技术手段，实现了在仅安装有单目摄像头的机器人实时行人跟踪的方法，本发明可用于智能机器人的行人跟踪，监控分析，摄像追踪，克服了当前机器人目标跟踪技术方案中存在的缺陷，诸如：目标跟踪效果差、对设备硬件要求高等不足；在大大提高了目标行人的跟踪效果的同时，降低了对设备硬件的要求。

为实现上述目的，本发明提供一种用于机器人跟踪目标行人的方法及系统，其中：

一种用于机器人跟踪目标行人的方法，包括如下具体步骤：