[发明专利]基于最近邻分类器和均值漂移的目标跟踪方法

摘要

本发明公开一种基于最近邻分类器和均值漂移的目标跟踪方法，主要解决现有技术中由于目标运动模糊无法捕获特征点和跟踪漂移无法恢复而导致的跟踪失败问题。其实现步骤为：(1)输入视频的第一帧，并用矩形框标记出待跟踪目标；(2)对目标模型初始化；(3)确定新一帧视频图像中目标搜索区域；(4)提取搜索区域内的尺度不变sift特征与目标模型匹配，同时用均值漂移模型跟踪目标；(5)对步骤(4)的结果进行决策级融合作为目标跟踪结果输出；(6)更新没有发生遮挡的目标模型；(7)循环执行步骤(3)~步骤(6)，直至视频结束。本发明与现有技术相比在目标快速运动甚至出现运动模糊或者发生遮挡情况下提高了目标跟踪的准确性。

主权项

一种基于最近邻分类器和均值漂移的目标跟踪方法，包括以下步骤：(1)输入一段视频中的第一帧，并用矩形框标记出待跟踪目标，分别用g和h表示该矩形框的长和宽；(2)模型初始化：2a)提取步骤(1)中视频第一帧的尺度不变sift特征，并用待跟踪目标的尺度不变sift特征初始化为目标模型，并计算该目标模型的颜色直方图，用第一帧中其余的尺度不变sift特征初始化为背景模型；2b)用步骤(1)中待跟踪目标的中心位置初始化均值漂移meanshift模型；(3)确定新一帧视频图像中目标搜索区域；(4)提取步骤(3)中得到的目标搜索区域内的尺度不变sift特征，根据目标搜索区域和上一帧的目标跟踪结果，通过均值漂移meanshift模型获得当前帧的目标中心位置，得到一个面积为A的目标框；(5)利用最近邻分类器对步骤(4)中提取的尺度不变sift特征和步骤2a)得到的初始化目标模型及背景模型进行特征点匹配，得到一个面积为B的目标框，其中成功匹配点的数目记为n；(6)输出当前帧的目标跟踪结果：6a)根据步骤(4)中得到的面积为A的目标框和步骤(5)中得到的面积为B的目标框，计算两个目标框的重叠面积C，得到面积重叠率P＝C/(A+B‑C)；6b)将面积重叠率P和成功匹配点的数目n分别与设定的阈值T和阈值N进行比较，如果成功匹配点的数目n大于阈值N＝35，则将面积为B的目标框作为当前帧的目标跟踪结果输出；如果n＜N,且面积重叠率P大于阈值T＝0.7，则将两个目标框对应坐标取均值作为当前帧的目标跟踪结果输出，否则将面积为A的目标框作为当前帧的目标跟踪结果输出，并计算目标跟踪结果的颜色直方图。(7)判断目标是否被遮挡：7a)根据步骤2a)得到的目标模型的颜色直方图和步骤(6)得到的目标跟踪结果的颜色直方图得出遮挡因子Occ；7b)将遮挡因子Occ与阈值T1进行比较，如果遮挡因子Occ小于阈值T1＝0.6表示目标没有发生遮挡，则提取当前帧的目标跟踪结果的尺度不变sift特征，将其作为更新的目标模型，并计算此时目标模型的颜色直方图；如果遮挡因子Occ大于阈值T1表示目标发生了遮挡，则目标模型不予更新；(8)循环执行步骤(3)~步骤(7)，直到视频的最后一帧。