[发明专利]一种基于蒙特卡洛树搜索的对象跟踪方法

摘要

本发明提供了一种基于蒙特卡洛树搜索的对象跟踪方法，属于计算机视觉、图形图像技术领域。首先通过背景建模和前景提取方法，获取视频监控范围内各个车辆的图像区域，通过初始化蒙特卡洛树和预测轨迹的起始节点，并获取一段时间的视频图像，然后通过多次的节点选择、扩展、模拟和相似度计算来生成和评价预测轨迹，并据此更新树节点权重，然后将树中具有最大节点权重和的路径作为目标轨迹，完成对车辆的定位，进而实现车辆跟踪。最后，根据车辆目标跟踪的结果计算车辆目标在该时间段内运动的图像距离，并按照图像距离与实际距离的比例关系计算得到车辆在道路中的实际运动距离，进而得到车辆的行驶速度，完成车辆超速跟踪检测。

主权项

1.一种基于蒙特卡洛树搜索的对象跟踪方法，包括如下步骤：步骤一、目标选取：从初始图像中选择并确定要跟踪的目标对象；目标选取过程通过运动目标检测方法自动提取，或者通过人机交互方法手动指定；步骤二、初始化：将当前目标位置作为蒙特卡洛树的根节点，初始时该蒙特卡洛树只有此根节点，然后将蒙特卡洛树的根节点作为当前预测轨迹的起始节点R；步骤三、图像输入：在实时处理情况下，提取通过摄像头采集并保存在存储区的视频图像，作为要进行跟踪的输入图像；在离线处理情况下，将已采集的视频文件分解为多个帧组成的图像序列，按照时间顺序，逐个提取帧图像作为输入图像；这里每一次获取并处理H帧图像，即每次确定的目标轨迹长度和每次蒙特卡洛树模拟的深度为H；这里H＝30；如果可获得的输入图像数目不足H，则根据实际获得的图像数目设置H；如果输入图像为空，则跟踪结束；设置迭代次数N＝1；步骤四、节点选择：从起始节点R开始，以其子节点的权重为概率，逐层随机选择子节点，直到树的叶节点；第1次迭代时，起始节点即为选择的根节点；设本次迭代选择的叶节点为L，如果L的深度小于H，则跳转到步骤五，否则，迭代次数N加1，并重新进行节点选择；步骤五、节点扩展：以叶节点L对应的图像位置为中心，在15×15像素的范围内，为该节点扩展出225‑1＝224个子节点，每个子节点对应该范围内一个不同的位置，且每个子节点的初始权重均为1；然后，以扩展出来的这些子节点权重为概率随机选择1个子节点作为模拟节点S；步骤六、轨迹模拟：以模拟节点S为中心，在其15×15像素的搜索范围内随机产生一个预测目标位置，然后再以该预测目标位置为中心，在相同的搜索范围内随机产生一个新的预测目标位置，该过程重复M次，且满足模拟节点S的深度+M＝H；这些连续的预测目标位置分别对应一个与目标大小相同的图像块，它们构成一个预测目标图像块序列A；步骤七、轨迹评价：对预测目标图像块序列A中的每个图像块，采用NCC规则化交叉互相关方法计算其与目标图像块的相似度，并计算它们的平均值ω；步骤八、节点权重更新：将模拟节点S的权重设置为平均值ω，然后计算叶节点L的所有扩展子节点的权重平均值，并将该值作为L的新权重；如果L有父节点，则按照更新L权重的方法更新其父节点的权重；同理，逐层更新树的节点权重直到起始节点R；迭代次数N加1；如果Nδ，δ＝0.8，则将该图像块作为新的目标表观，完成目标更新，否则，目标不变；这里相似度计算同样采用NCC规则化交叉互相关方法；跟踪完成，跳转到步骤三。