應用于人機交互的運動物體跟蹤方法及系統(tǒng)技術方案

本申請公開了一種應用于人機交互的運動物體跟蹤方法，包括采集圖像，確定當前幀圖像中目標的初始位置；對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框；對所述當前幀圖像通過訓練分類器進行檢測，得到檢測結果框；計算所述檢測結果的可信度，根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息。本申請還公開了一種應用于人機交互的運動物體跟蹤系統(tǒng)。本申請可在不同情況下，有區(qū)分地使用目標檢測方法，并將檢測與跟蹤相結合來實現(xiàn)動態(tài)目標的實時高效跟蹤，本申請為一種通用方法，適用于各種人機交互的場景，無需使用穿戴式設備，即可完成運動物體的實時跟蹤，又降低了硬件成本。

【技術實現(xiàn)步驟摘要】
應用于人機交互的運動物體跟蹤方法及系統(tǒng)
本申請涉及視頻圖像，尤其涉及一種應用于人機交互的運動物體跟蹤方法及系統(tǒng)。
技術介紹
近年來隨著智能手機和平板電腦的普及，基于手勢的設備人機交互已經(jīng)非常普遍，基于觸摸屏的模式，人們每天都在通過點擊、滑動、扭轉、縮放等多種手勢動作對諸如iPhone、iPad、WindowsPhone或基于Android系統(tǒng)的終端設備進行操控、娛樂。這樣大規(guī)模用戶習慣的改變，在習慣物理鍵盤實現(xiàn)人機交互的5至10年前是難以預計的，最重要的是它以更直觀、更便利的方式，從家庭娛樂到企業(yè)應用的方方面面，對未來人們的生活方式的各方面產(chǎn)生了長久深遠的影響，是未來消費電子產(chǎn)品技術革新與升級的必然趨勢。2012年美國NMCHorizon報告顯示，人機交互在未來的4到5年，將會在現(xiàn)有基于觸摸屏模式的交互方式，將以智能電視、家庭娛樂、手機應用等消費電子品為媒介，向基于圖像、語音和MEMS傳感器的多種模式偕同發(fā)展，徹底改變未來人們的生活、工作、娛樂中的信息交互方式。目前，國內外的研發(fā)狀態(tài)主要呈現(xiàn)以下特點：1）多數(shù)同類產(chǎn)品針對特定行業(yè)應用或本公司配套設備而設計，而非通用模塊。例如Google手套是與GoogleGlass搭配的產(chǎn)品，任天堂的游戲手柄及微軟Kinect都是配套其公司游戲主機的輔助裝置，盡管也可以在其它領域得以應用，但仍有很大的制約與局限。2）多數(shù)類似系統(tǒng)價格昂貴，與現(xiàn)有通用電子消費平整和成本過高，在價格上難以大眾普及。例如Kinect核心模塊，把該模塊集成到機頂盒或智能電視之中遠超普通消費者的承受能力。
技術實現(xiàn)思路
本申請?zhí)峁┮环N應用于人機交互的運動物體跟蹤方法及系統(tǒng)。根據(jù)本申請的第一方面，本申請?zhí)峁┮环N應用于人機交互的運動物體跟蹤方法，包括：采集圖像，確定當前幀圖像中目標的初始位置；對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框；對所述當前幀圖像通過訓練分類器進行檢測，得到檢測結果框；計算所述檢測結果的可信度，根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息。上述方法中，所述對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框，具體包括：通過LK光流從所述上一幀圖像跟蹤到所述當前幀圖像；再從跟蹤到的所述當前幀圖像通過LK光流反跟蹤到所述上一幀圖像；根據(jù)所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的關系，確定第一閾值；根據(jù)所述第一閾值選取成功跟蹤的點對。上述方法中，所述根據(jù)所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的關系，確定第一閾值，根據(jù)所述第一閾值選取成功跟蹤的點對，具體包括：計算所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的誤差，將所述誤差的平均值作為第一閾值；選取所述誤差小于所述第一閾值的點對。上述方法中，所述采集圖像，確定當前幀圖像中目標的初始位置，具體包括：通過膚色檢測、運動塊檢測和分類器檢測確定所述目標的初始位置。上述方法中，所述計算所述檢測結果的可信度，根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息，具體包括：使用所述跟蹤結果框與所述檢測結果框的重疊面積除以所述跟蹤結果框的面積，得到所述可信度；確定第二閾值；當所述可信度大于等于所述第二閾值時，將所述檢測結果作為所述目標的最終位置，并作為用于下一幀圖像LK光流跟蹤的初始信息；當所述可信度小于所述第二閾值時，將所述跟蹤結果作為所述目標的最終位置，并作為下一幀圖像LK光流跟蹤的初始信息。根據(jù)本申請的第二方面，本申請?zhí)峁┮环N應用于人機交互的運動物體跟蹤系統(tǒng)，包括細檢測模塊、跟蹤模塊、粗檢測模塊和分析模塊；所述細檢測模塊用于采集圖像，確定當前幀圖像中目標的初始位置；所述跟蹤模塊用于對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框；所述粗檢測模塊用于對所述當前幀圖像通過訓練分類器進行檢測，得到檢測結果框；所述分析模塊用于計算所述檢測結果的可信度，根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息。上述系統(tǒng)中，所述跟蹤模塊包括跟蹤單元和選擇單元；所述跟蹤單元用于通過LK光流從所述上一幀圖像跟蹤到所述當前幀圖像，再從跟蹤到的所述當前幀圖像通過LK光流反跟蹤到所述上一幀圖像；所述選擇單元用于根據(jù)所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的關系，確定第一閾值，并根據(jù)所述第一閾值選取成功跟蹤的點對。上述系統(tǒng)中，所述選擇單元還用于計算所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的誤差，將所述誤差的平均值作為第一閾值，選取所述誤差小于所述第一閾值的點對。上述系統(tǒng)中，所述細檢測模塊具體通過膚色檢測、運動塊檢測和分類器檢測確定所述目標的初始位置。上述系統(tǒng)中，所述分析模塊包括計算單元和分析單元；所述計算單元用于使用所述跟蹤結果框與所述檢測結果框的重疊面積除以所述跟蹤結果框的面積，得到所述可信度；所述分析單元用于確定第二閾值，在所述可信度大于等于所述第二閾值時，當所述可信度大于等于所述第二閾值時，將所述檢測結果作為所述目標的最終位置，并作為用于下一幀圖像LK光流跟蹤的初始信息；在所述可信度小于所述第二閾值時，將所述跟蹤結果作為所述目標的最終位置，并作為下一幀圖像LK光流跟蹤的初始信息。由于采用了以上技術方案，使本申請具備的有益效果在于：⑴在本申請的具體實施方式中，包括對當前幀圖像進行LK光流跟蹤得到跟蹤結果框，對當前幀圖像通過訓練分類器進行檢測，得到檢測結果框，計算檢測結果的可信度，根據(jù)可信度確定下一幀圖像的初始信息。本申請可在不同情況下，有區(qū)分地使用目標檢測方法，并將檢測與跟蹤相結合來實現(xiàn)動態(tài)目標的實時高效跟蹤，本申請為一種通用方法，適用于各種人機交互的場景，無需使用穿戴式設備，即可完成運動物體的實時跟蹤，又降低了硬件成本。⑵在本申請的具體實施方式中，利用細檢測確定手勢的位置及判斷手勢信息，再以細檢測得到的圖像位置信息為初始狀態(tài)對它進行跟蹤，最后對運動物體目標跟蹤結果，結合粗檢測結果，進行可信度判斷,從而修正手勢目標所在位置,用于下一幀圖像的手勢目標跟蹤。本申請通過細檢測、粗檢測、LK光流跟蹤相結合的方法，既降低了對系統(tǒng)硬件的要求，又能滿足實時準確的跟蹤，將本申請用于機頂盒或智能電視等產(chǎn)品，進一步降低了成本。附圖說明圖1為本申請的應用于人機交互的運動物體跟蹤方法在一種實施方式中的流程圖；圖2為本申請的應用于人機交互的運動物體跟蹤方法在另一種實施方式中的流程圖；圖3是本申請的應用于人機交互的運動物體跟蹤方法粗檢測和細檢測流程示意圖；圖4是本申請的應用于人機交互的運動物體跟蹤方法中跟蹤檢測的流程圖；圖5是本申請的應用于人機交互的運動物體跟蹤方法中得到跟蹤的最終結果的流程圖；圖6為本申請的應用于人機交互的運動物體跟蹤系統(tǒng)在一種實施方式中的結構示意圖；圖7為本申請的應用于人機交互的運動物體跟蹤系統(tǒng)在一種實施方式中的結構示意圖。具體實施方式下面通過具體實施方式結合附圖對本申請作進一步詳細說明。實施例一：如圖1、圖2所示，本申請的應用于人機交互的運動物體跟蹤方法，其一種實施方式，包括以下步驟：步驟102：采集圖像，確定當前幀圖像中目標的初始位本文檔來自技高網(wǎng)...

【技術保護點】
一種應用于人機交互的運動物體跟蹤方法，其特征在于，包括：采集圖像，確定當前幀圖像中目標的初始位置；對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框；對所述當前幀圖像通過訓練分類器進行檢測，得到檢測結果框；計算所述檢測結果的可信度，根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息。

【技術特征摘要】
1.一種應用于人機交互的運動物體跟蹤方法，其特征在于，包括：采集圖像，確定當前幀圖像中目標的初始位置；對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框；對所述當前幀圖像通過訓練分類器進行檢測，得到檢測結果框；計算所述檢測結果的可信度，根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息；所述對所述當前幀圖像中的目標區(qū)域進行LK光流跟蹤得到跟蹤結果框，具體包括：通過LK光流從上一幀圖像跟蹤到所述當前幀圖像；再從跟蹤到的所述當前幀圖像通過LK光流反跟蹤到所述上一幀圖像；根據(jù)所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的關系，確定第一閾值；根據(jù)所述第一閾值選取成功跟蹤的點對；所述計算所述檢測結果的可信度，具體包括：使用所述跟蹤結果框與所述檢測結果框的重疊面積除以所述跟蹤結果框的面積，得到所述可信度。2.如權利要求1所述的應用于人機交互的運動物體跟蹤方法，其特征在于，所述根據(jù)所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的關系，確定第一閾值，根據(jù)所述第一閾值選取成功跟蹤的點對，具體包括：計算所述上一幀圖像的初始跟蹤點與經(jīng)過兩次LK光流跟蹤后得到的跟蹤點之間的誤差，將所述誤差的平均值作為第一閾值；選取所述誤差小于所述第一閾值的點對。3.如權利要求1所述的應用于人機交互的運動物體跟蹤方法，其特征在于，所述采集圖像，確定當前幀圖像中目標的初始位置，具體包括：通過膚色檢測、運動塊檢測和分類器檢測確定所述目標的初始位置。4.如權利要求1所述的應用于人機交互的運動物體跟蹤方法，其特征在于，所述根據(jù)所述可信度確定所述目標的最終位置及用于下一幀圖像LK光流跟蹤的初始信息，具體包括：確定第二閾值；當所述可信度大于等于所述第二閾值時，將所述檢測結果作為所述目標的最終位置，并作為用于下一幀圖像LK光流跟蹤的初始信息；當所述可信度小于所述第二閾值時，將所述跟蹤結果作為所述目標的最終位置，并作為下...

【專利技術屬性】
技術研發(fā)人員：程如中，全冬兵，梁浩，魏江月，趙勇，鄧小昆，魏益群，
申請(專利權)人：北京大學深圳研究院，
類型：發(fā)明
國別省市：廣東;44