[发明专利]一种融合实例分割和CamShift的物体跟踪方法

说明书

本发明公开了一种融合实例分割和CamShift的物体跟踪方法，可以提高CamShift跟踪物体的准确率，其思路是用实例分割结果补充CamShift跟踪结果。该算法在实例分割找到目标后，采用CamShift跟踪目标，当出现识别失败时，用CamShift跟踪到的结果代替识别物体，利用CamShift包含的帧间联系信息，在实例分割识别失败时保持识别物体能力。对于改善CamShift跟踪效果，用实例分割识别到的物体框更新CamShift目标搜索框，克服CamShift容易受到背景颜色干扰等缺点，增加物体跟踪的鲁棒性，以满足各种场景下的不同应用。

技术领域

本发明属于物体跟踪技术领域，具体涉及一种融合实例分割和CamShift的物体跟踪方法。

背景技术

目标跟踪一直以来都是机器视觉的一个重要研究方向，同时也是十分具有挑战性的研究领域。跟踪算法可以被分为四大类：基于模型计算、基于主动轮廓、基于均值漂移和基于特征匹配。其中基于均值漂移类中CamShift算法因实时性能突出且可适应目标尺寸变化，逐渐成为一种备受关注的跟踪算法。但是，CamShift算法具有一定的局限性：对目标颜色特征点提取并不完整；同时只利用颜色特征进行跟踪，当背景色彩和目标色彩过于相似时，跟踪的准确性降低，甚至丢失目标；在目标丢失后，缺少对目标重新定位的计算机制。

发明内容

为解决上述问题，本发明公开了一种融合实例分割和CamShift的物体跟踪方法，以便能够增加运动目标跟踪的精度。

为达到上述目的，本发明的技术方案如下：

一种融合实例分割和CamShift的物体跟踪方法，其特征在于，包括如下步骤：

(1)在第一帧只用YOLACT识别物体，同时初始化CamShift跟踪物体；

(2)在接下来的每一帧中用重合度θ判断目标框和跟踪框是否满足分割成功或跟踪成功的条件；

(3)输出目标跟踪结果。

其中步骤(1)中，在第一帧只用YOLACT识别物体，同时初始化CamShift跟踪物体，具体步骤为：

(1.1)用COCO数据集训练YOLACT实例分割网络；

(1.2)使用Yolact识别待分割物体，并为每个物体标号；

(1.3)使用Camshift跟踪每个分割物体；

步骤(2)中，在接下来的每一帧中用重合度判断目标框和跟踪框是否满足分割成功或跟踪成功的条件，具体步骤为：

(2.1)计算Camshift跟踪的物体区域C_area与Yolact分割物体区域Y_area的区域重合度θ，其中：

(2.2)若重合度θ超过设定阈值ε，则证明Camshift跟踪成功；

(2.3)若小于设定阈值ε，证明Camshift跟踪失败。

步骤(3)中，输出目标跟踪结果，具体步骤为：

(3.1)分割失败时用CamShift的跟踪框补充YOLACT结果；

(3.2)跟踪失败或出现新的识别物体时添加新的CamShift跟踪目标；

(3.3)两者都成功时输出YOLACT的结果。

本发明的有益效果是：