[发明专利]一种强化多特征融合的置信项滤波器目标跟踪方法

说明书

本发明公开了一种强化多特征融合的置信项滤波器目标跟踪方法，属于目标跟踪技术领域。本发明的目标跟踪方法，包括以下步骤：对摄像头内外参数标定处理；获取目标的输入对象，输入待跟踪的视频序列，并标注初始帧；用摄像头实时拍摄监控区域内的被跟踪目标物体视频信息，并传送给视频数据处理单元；引入FHOG特征滤波器、颜色名特征滤波器和背景感知滤波器；依据滤波器的最大响应峰值和平均峰相关能量，加入自适应多特征响应滤波器的线性融合，得到融合置信度特征。本发明可以有效解决滤波器模型的混叠效应问题，相对于传统算法该算法具有更好的鲁棒性。

技术领域

本发明属于目标跟踪技术领域，更具体地说，涉及一种强化多特征融合的置信项滤波器 目标跟踪方法。

背景技术

对摄像头获取的视频中特定物体的追踪是计算机视觉领域的一个研究热点，目标跟踪的 目的是在连续的视频序列中监视待监测目标物的位置和大小，视觉监控等系统在机器人视觉 领域有着广阔的应用前景。

许多研究人员对目标跟踪方法进行了研究，针对视频中出现的尺度大小、快动作、平面 旋转、模糊、遮挡、形变、光照变化、背景混杂、超出视野范围以及低分辨率等问题，提出 了生成式模型和判断式模型跟踪方法。其中生成式模型主要有稀疏编码模型(SparseCoding, SC)、主成分分析模型(Principal Component Analysis,PCA)等；判断式模型主要有多示例学习 模型(Multiple Instance Learning,MIL)、结构支持向量机模型(Structured Support Vector Machine,SSVM)、滤波器模型(Correlation Filter,CF)等。

在视频序列中，目标跟踪算法比逐帧目标检测消耗更少的计算机资源，但对于视频序列 的初始化帧，必须要进行精确的目标检测或者手动预设，以提高算法对识别目标的精确性。 其中，滤波器在目标跟踪中扮演着重要的角色，相关滤波跟踪器能够适应不同程度的运动模 糊和光照变化，因此引入滤波跟踪器能够有效进行物体的跟踪。但已有的目标跟踪方法难以 避免各种环境的不同导致背景混杂或目标物被遮挡的情形，追踪效果有待进一步提高，且难 以达到实时处理所获取信息的效果。

经检索，中国专利申请号为201910244894.1的申请案公开了一种目标跟踪方法及目标跟 踪设备，该申请案的目标跟踪方法，包括以下步骤：获取目标的输入图像；根据傅里叶分析 算法对所述输入图像进行运动模糊检测，得到运动模糊结果；根据所述运动模糊结果，利用 基于粒子滤波框架跟踪算法得到所述目标的运动模型；根据所述运动模型对所述目标进行跟 踪。但该申请案仅着重表述了针对运动较快或硬件缺陷的情况下跟踪的性能，没有解决如背 景干扰，尺度变化，光照变化等情况下方案的性能。

又如，中国专利申请号为201610160824.4的申请案公开了一种多运动目标追踪监测方法， 其主要步骤包括：视频数据处理单元将扩展的卡尔曼滤波和改进的均值偏移算法相结合跟踪 运动目标，得到候选目标区域；在候选目标区域中进行运动目标的特征匹配，得出候选目标； 目标定位模块根据结合DEM数据对候选目标进行位置确定；中央控制单元对来自不同视频 数据处理单元的候选目标信息进行同步；中央控制单元建立匹配模型，实现目标关联和航迹 关联；摄像头管理模块根据虚拟目标信息计算不同摄像头的偏转方向和角度，并将数据一起 传送给各个摄像头控制模块；摄像头控制模块接收不同摄像头的控制信息，仅提取与自身匹 配的控制信息，并控制摄像头偏转。该申请案通过对运动目标被遮挡的情况进行了适当处理， 从而在一定程度上能够保证运动目标航迹的连续性。但其中的三帧差分法的鲁棒性不高，卡 尔曼滤波器难以处理遮挡问题等问题难以适应复杂环境下的目标跟踪情景。

发明内容

1.要解决的问题

本发明的目的在于克服现有目标追踪方法难以避免各种环境的不同导致背景混杂或目标 物被遮挡的情形，从而影响追踪效果的不足，提供了一种强化多特征融合的置信项滤波器目 标跟踪方法。采用本发明的技术方案能够有效解决以上问题，可以应对多种复杂场景进行目 标跟踪，并提高了目标追踪的效果和准确性。