[发明专利]一种基于RGB-D时空上下文模型的多目标遮挡跟踪方法

说明书

本发明提供了一种基于RGB‑D时空上下文模型的多目标遮挡跟踪方法。所述基于RGB‑D时空上下文模型的多目标遮挡跟踪方法包括如下步骤：步骤S1、获取多目标检测定位区域；步骤S2、RGB‑D目标时空上下文建模；步骤S3、利用时间一致性进行目标跟踪；步骤S4、利用最大后验概率关联模型进一步进行目标遮挡匹配跟踪。本发明实现更精确的实时RGB‑D目标遮挡跟踪及稳健的遮挡处理，解决多目标遮挡跟踪容易发生模型漂移和跟踪丢失等问题。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种基于RGB-D(深度图像)时空上下文模型的多目标遮挡跟踪方法。

背景技术

多目标跟踪一直是计算机视觉领域中的重要研究问题，在视觉监控，人机交互，自动驾驶，机器人技术等方面起着重要作用。常规RGB摄像机的视觉跟踪问题已有三十多年的研究历史，在此期间，目标跟踪算法在复杂性和性能上都有了长足的发展。遮挡跟踪仍是多目标跟踪任务的一个棘手问题，复杂交通场景中存在背景混乱和多行人严重遮挡等问题。研究者采用不同的遮挡处理策略进行目标跟踪。Khan等通过设计特定的基于轨迹片段的目标模板来处理目标相互遮挡。Santner等通过对整个视频序列进行多个对象跟踪，同时更新每个跟踪器的外观模型来实现遮挡处理。

深度图中每个像素值是传感器距离物体的实际距离，通常RGB图像和Depth图像是配准的，因而像素点之间具有一对一的对应关系，借助深度信息可以恢复目标与背景的3D结构，进一步解决多目标遮挡问题。Spinello等提出的方向深度直方图(Histogram ofOriented Depths，HOD)检测器，其计算与方向梯度直方图(Histogram of OrientedGradients，HOG)非常相似。该方法利用了深度信息，但是忽略了颜色和纹理信息，这很可能导致对非人类目标的错误检测跟踪。

发明内容

本发明提供了一种基于RGB-D时空上下文模型的多目标遮挡跟踪方法，其目的是为了解决背景技术中实时RGB-D目标遮挡跟踪及稳健的遮挡处理不精确，多目标遮挡跟踪容易发生模型漂移和跟踪丢失的问题。

为了达到上述目的，本发明的实施例提供的一种基于RGB-D时空上下文模型的多目标遮挡跟踪方法，包括如下步骤：

步骤S1、获取多目标检测定位区域；

步骤S2、RGB-D目标时空上下文建模；

步骤S3、利用时间一致性进行目标跟踪；

步骤S4、利用最大后验概率关联模型进一步进行目标遮挡匹配跟踪。

优选地，所述步骤S2具体为：根据视频帧中目标检测区域的特征、空间近邻区域构成的三维上下文信息以及连续帧间时间上下文信息，通过有机融合空间局部三维上下文及目标区域特征、时间连续帧间的上下文特征，从目标时空上下文特征提取、目标时间上下文建模、目标空间上下文建模三个层次来建立目标模型，具体包括如下步骤：

步骤S21、目标时空上下文特征提取；

步骤S22、目标时间上下文建模；

步骤S23、目标空间上下文建模。

优选地，步骤S21、目标时空上下文特征提取具体为：

RGB-D目标时空上下文模型中的每个节点表示目标检测的响应，用f_i^k表示第k帧的第i个节点(i∈Z⁺,1≤k≤K)，在视频帧中研究目标的3-D空间特征目标外观特征目标运动特征进行目标时空上下文特征提取；

目标的3-D空间特征表示三维空间目标检测框中心的坐标，是RGB域中目标检测的中心，其中，是RGB域中目标的横向坐标值，是RGB域中目标的纵向坐标值是目标距离深度传感器的深度值；