[发明专利]一种基于人体骨架结构化特征的行人目标跟踪方法

说明书

一种基于人体骨架结构化特征的行人目标跟踪方法，包括以下步骤，记录目标运动视频，对目标运动视频图像进行均衡化预处理，提取行人的骨架坐标信息，手动选择跟踪目标行人，建立目标初始特征模板图像，跟踪目标行人；若目标行人正常，继续跟踪，若目标行人丢失，执行下一步；根据目标行人丢失前的视频图像和目标行人的骨架坐标信息提取目标结构化特征图像并更新目标特征模板图像，提取所有行人的结构化特征图像并与目标特征模板图像进行逐一匹配，根据匹配结果重新定位目标行人位置；然后继续跟踪目标。本发明可实现在复杂多人场景下对目标行人的稳定持续跟踪，解决目前跟踪算法在多人重叠、遮挡等情况下跟踪目标容易丢失且难以自动找回的问题。

技术领域

本发明涉及计算机视觉领域，特别是涉及到基于人体骨架结构化特征的行人目标跟踪方法。

背景技术

随着人工智能技术不断的发展，目标跟踪已成为计算机视觉领域重要的研究课题之一，广泛应用于人机交互、军事、医疗、交通等领域，对社会发展具有深远的意义。目标跟踪是通过利用目标特征信息或背景差帧分离对运动目标状态及位置进行定位检测的过程，现有的目标跟踪技术是通过输入视频或者监控的形式进行，通过利用跟踪算法对其目标的运动轨迹进行定位及预测的技术来达到跟踪的目的。随着跟踪算法的不断研究发展，从2010年以前使用的传统跟踪算法如Meanshift、卡尔曼滤波、粒子滤波等，到现在使用的TLD、Struck、相关滤波、基于深度学习的跟踪方法等，目标跟踪的准确性和实时性不断提升，逐步解决较复杂环境下难以检测与准确跟踪的问题。然而目前的跟踪技术在遮挡、视角变化等复杂环境下稳定性不足，容易出现目标漂移及丢失等问题，导致目标难以重新定位，目标跟踪持续性能较差。因此，研究基于遮挡、视角变化等复杂环境下的目标跟踪有重要的现实意义，能够缓解目标在被遮挡丢失后难以找回的问题，及时的更新目标特征模板，增强算法稳定性。

发明内容

为了解决上述的技术问题，本发明提供了一种基于人体骨架结构化特征的行人目标跟踪方法。

为了解决上述技术问题，本发明采取以下技术方案：

一种基于人体骨架结构化特征的行人目标跟踪方法，包括以下步骤：

S1，利用摄像头记录目标运动视频，通过对目标运动视频图像进行均衡化预处理；

S2，针对目标运动视频图像，通过人体骨架检测提取行人的骨架坐标信息，手动选择跟踪目标行人，根据目标行人的骨架坐标信息建立目标初始特征模板图像，对目标行人进行跟踪；

S3，判断目标行人是否处于跟踪丢失状态，若目标行人正常，则保持当前状态继续跟踪，若目标行人丢失，则执行下一步，转入步骤S4；

S4，根据目标行人丢失前的视频图像和目标行人的骨架坐标信息提取目标结构化特征图像并更新目标特征模板图像，然后根据当前时刻视频图像和行人的骨架坐标信息提取所有行人的结构化特征图像，将当前时刻所有行人的结构化特征图像与目标特征模板图像进行逐一匹配，根据匹配结果重新定位目标行人位置；

S5，目标行人重定位后继续跟踪目标。

所述图像预处理是采用CLAHE算法对图像进行均衡化。

所述人体骨架检测过程为：采用OpenPose方法提取人体骨架关键点信息，包括人体骨架18个关键点P_i＝{(x_i,y_i)|i＝0,1,...,17}，人体骨架关键点包括左眼、右眼、左耳、右耳、嘴巴、左肩、右肩、胸颈处、左肘、右肘、左手、右手、左髋、右髋、左膝、右膝、左脚和右脚。

所述目标行人跟踪过程采用KCF、TLD、CSK或Struck算法进行跟踪。