本發(fā)明專利技術(shù)公開一種基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，主要解決現(xiàn)有技術(shù)中由于目標(biāo)快速變化或者發(fā)生遮擋而導(dǎo)致目標(biāo)跟蹤失敗的問題。其實(shí)現(xiàn)步驟為：(1)輸入一段視頻中的第一幀，并人工標(biāo)記出待跟蹤目標(biāo)，同時(shí)將標(biāo)記的目標(biāo)作為目標(biāo)模板；(2)通過跟蹤-在線學(xué)習(xí)-檢測模型跟蹤目標(biāo)；(3)判定跟蹤與檢測目標(biāo)的結(jié)果；(4)提取目標(biāo)模板和視頻當(dāng)前幀的加速魯棒SURF特征；(5)利用歐氏距離對獲得的加速魯棒SURF特征進(jìn)行匹配；(6)輸出目標(biāo)跟蹤結(jié)果，更新目標(biāo)模板；(7)循環(huán)執(zhí)行步驟(2)～步驟(6)，直到視頻結(jié)束。本發(fā)明專利技術(shù)與現(xiàn)有的技術(shù)相比在目標(biāo)快速變化或者發(fā)生遮擋情況下提高了目標(biāo)跟蹤的魯棒性。
【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像處理
，涉及視頻目標(biāo)跟蹤方法，可應(yīng)用于智能監(jiān)控、目標(biāo)跟蹤和人機(jī)界面。
技術(shù)介紹
序列圖像的目標(biāo)跟蹤是圖像處理技術(shù)應(yīng)用的重要組成部分，它是指通過對輸入的視頻圖像序列進(jìn)行分析，確定各幀中目標(biāo)所在的位置，獲得相關(guān)的參數(shù)。目標(biāo)跟蹤是計(jì)算機(jī)視覺中關(guān)鍵技術(shù)之一，融合了圖像處理、模式識別和人工智能等領(lǐng)域，在機(jī)器人視覺導(dǎo)航、安全監(jiān)測、交通管制、視頻壓縮以及氣象分析等許多方面都有廣泛應(yīng)用。如軍事方面，已被成功地應(yīng)用于武器的成像制導(dǎo)、軍事偵察和監(jiān)視等；民用方面，如視覺監(jiān)控，已被廣泛地應(yīng)·用于社會(huì)生活的各方面。目標(biāo)跟蹤可應(yīng)用于社區(qū)和重要設(shè)施的保安監(jiān)控；用于智能交通系統(tǒng)中進(jìn)行車輛的實(shí)時(shí)追蹤，可以得到車流量、車型、車速、車流密度等等許多有價(jià)值的交通流參數(shù)，同時(shí)還可以檢測事故或故障等突發(fā)狀況。天津大學(xué)提出的專利申請“一種基于模板匹配的目標(biāo)跟蹤方法”(專利申請?zhí)?01010529681. 2，公開號CN102004898A)公開了一種基于模板匹配的目標(biāo)跟蹤方法。該方法中模板圖像和待匹配區(qū)域的像素按照圓形排列為多個(gè)子窗口，采用圓形模板匹配準(zhǔn)則確保目標(biāo)具有平移和旋轉(zhuǎn)不變性，采用Kirsch算子計(jì)算模板和跟蹤窗內(nèi)各像素的邊緣強(qiáng)度值，將灰度匹配值與強(qiáng)度匹配值之和作為匹配結(jié)果，最佳匹配值的位置確定為跟蹤目標(biāo)的位置，但是它的缺陷是當(dāng)目標(biāo)發(fā)生遮擋時(shí)，匹配出現(xiàn)誤差導(dǎo)致跟蹤失敗。上海電機(jī)學(xué)院提出的專利申請“一種視覺目標(biāo)識別與跟蹤方法”(專利申請?zhí)?01010537843. 7，公開號CN101986348A)，公開了一種視覺目標(biāo)識別與跟蹤方法。該跟蹤方法包括默認(rèn)第零幀搜索窗口與圖像等大，第一幀圖像識別并獲得包圍框，然后是搜索窗口的預(yù)測，它利用圖像處理方法對包圍框和其中特征點(diǎn)進(jìn)行計(jì)算，同時(shí)在目標(biāo)跟蹤的基礎(chǔ)上提出了一種可預(yù)測的搜索窗口的方法，對標(biāo)志的目標(biāo)進(jìn)行運(yùn)動(dòng)預(yù)測和跟蹤，縮小了搜索范圍，該跟蹤方法雖然對提高實(shí)時(shí)性有一定的效果，但是當(dāng)運(yùn)動(dòng)目標(biāo)發(fā)生遮擋或者快速變化時(shí)，運(yùn)用上述預(yù)測搜索窗方法則無法實(shí)現(xiàn)準(zhǔn)確跟蹤。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，以提高目標(biāo)跟蹤對目標(biāo)發(fā)生遮擋和運(yùn)動(dòng)快速變化的準(zhǔn)確性。實(shí)現(xiàn)本專利技術(shù)的思路是在視頻第一幀定義正負(fù)樣本來訓(xùn)練一個(gè)分類器，輸入視頻后利用跟蹤-在線學(xué)習(xí)-檢測框架對目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，為了解決跟蹤失敗的情況，在系統(tǒng)中加入一個(gè)目標(biāo)的加速魯棒SURF特征檢測器與隨進(jìn)森林檢測器作為互補(bǔ)，即提取加速魯棒SURF特征對目標(biāo)進(jìn)行二次檢測，實(shí)現(xiàn)穩(wěn)健的目標(biāo)跟蹤。具體實(shí)現(xiàn)步驟包括如下(I)輸入一段視頻中的第一幀，并人工標(biāo)記出待跟蹤目標(biāo)，同時(shí)將標(biāo)記的目標(biāo)作為目標(biāo)模板；(2)通過跟蹤-在線學(xué)習(xí)-檢測模型跟蹤目標(biāo)2a)用視頻的第一幀對跟蹤-在線學(xué)習(xí)-檢測模型進(jìn)行初始化；2b)將步驟⑴標(biāo)記出的跟蹤目標(biāo)作為正樣本，在正樣本附近取100個(gè)圖像塊域作為負(fù)樣本，并用這些正負(fù)樣本訓(xùn)練隨機(jī)森林檢測器；2c)從輸入視頻的第二幀開始，對待跟蹤目標(biāo)進(jìn)行跟蹤與檢測；(3)判定跟蹤與檢測目標(biāo)的結(jié)果3a)設(shè)定置信閾值Tc = O. 7，如果跟蹤結(jié)果的置信值大于Tc，則認(rèn)為是有效跟蹤，即跟蹤到了目標(biāo)，同時(shí)用跟蹤結(jié)果更新隨機(jī)森林檢測器，執(zhí)行步驟(6)；3b)如果跟蹤結(jié)果的置信值小于Tc，則認(rèn)為是跟蹤失敗，執(zhí)行步驟(4)；(4)提取目標(biāo)模板和視頻當(dāng)前幀的SURF特征4a)計(jì)算目標(biāo)模板的積分圖像值I1 Σ 權(quán)利要求1.一種基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，包括以下步驟 (1)輸入一段視頻中的第一幀，并人工標(biāo)記出待跟蹤目標(biāo)，同時(shí)將標(biāo)記的目標(biāo)作為目標(biāo)模板； (2)通過跟蹤-在線學(xué)習(xí)-檢測模型，對目標(biāo)進(jìn)行跟蹤 2a)用視頻的第一幀對跟蹤-在線學(xué)習(xí)-檢測模型進(jìn)行初始化； 2b)將步驟(I)標(biāo)記出的跟蹤目標(biāo)作為正樣本，在正樣本附近取100個(gè)圖像塊作為負(fù)樣本,并用這些正負(fù)樣本訓(xùn)練隨機(jī)森林檢測器； 2c)從輸入視頻的第二幀開始，對待跟蹤目標(biāo)進(jìn)行跟蹤與檢測； (3)判定跟蹤與檢測目標(biāo)的結(jié)果 3a)設(shè)定置信閾值Tc = O. 7，如果跟蹤結(jié)果的置信值大于Tc，則認(rèn)為是有效跟蹤，即跟蹤到了目標(biāo)，同時(shí)用跟蹤結(jié)果更新隨機(jī)森林檢測器，執(zhí)行步驟(6)； 3b)如果跟蹤結(jié)果的置信值小于Tc，則認(rèn)為是跟蹤失敗，執(zhí)行步驟(4)； (4)提取目標(biāo)模板和視頻當(dāng)前幀的加速魯棒SURF特征 4a)計(jì)算目標(biāo)模板的積分圖像值I1 Σ 2.根據(jù)權(quán)利要求I所述的基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，所述步驟2b)和3a)中的隨機(jī)森林檢測器，是一個(gè)包含10個(gè)決策樹的分類器，在目標(biāo)檢測的過程中，由這10個(gè)決策樹共同決定分類器的分類結(jié)果，即當(dāng)所有決策樹對測試樣本進(jìn)行分類得到它屬于目標(biāo)的概率之和大于閾值Tf = 10X0. 5時(shí)，則表示檢測到了目標(biāo)，否則檢測失敗。3.根據(jù)權(quán)利要求I所述的基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，所述步驟(5)中的閾值Td，采用如下公式計(jì)算 &雜， 其中，m表示當(dāng)前幀中特征點(diǎn)的總個(gè)數(shù)，&表示當(dāng)前幀的特征向量中第j個(gè)元素與目標(biāo)模板的特征向量中所有元素之間歐式距離的最小值。全文摘要本專利技術(shù)公開一種基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，主要解決現(xiàn)有技術(shù)中由于目標(biāo)快速變化或者發(fā)生遮擋而導(dǎo)致目標(biāo)跟蹤失敗的問題。其實(shí)現(xiàn)步驟為(1)輸入一段視頻中的第一幀，并人工標(biāo)記出待跟蹤目標(biāo)，同時(shí)將標(biāo)記的目標(biāo)作為目標(biāo)模板；(2)通過跟蹤-在線學(xué)習(xí)-檢測模型跟蹤目標(biāo)；(3)判定跟蹤與檢測目標(biāo)的結(jié)果；(4)提取目標(biāo)模板和視頻當(dāng)前幀的加速魯棒SURF特征；(5)利用歐氏距離對獲得的加速魯棒SURF特征進(jìn)行匹配；(6)輸出目標(biāo)跟蹤結(jié)果，更新目標(biāo)模板；(7)循環(huán)執(zhí)行步驟(2)～步驟(6)，直到視頻結(jié)束。本專利技術(shù)與現(xiàn)有的技術(shù)相比在目標(biāo)快速變化或者發(fā)生遮擋情況下提高了目標(biāo)跟蹤的魯棒性。文檔編號G06T7/20GK102945554SQ20121041503公開日2013年2月27日 申請日期2012年10月25日 優(yōu)先權(quán)日2012年10月25日專利技術(shù)者田小林, 焦李成, 劉朵, 張小華, 緱水平, 鐘樺, 朱虎明, 馬文萍 申請人:西安電子科技大學(xué)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
一種基于學(xué)習(xí)和加速魯棒SURF特征的目標(biāo)跟蹤方法，包括以下步驟：(1)輸入一段視頻中的第一幀，并人工標(biāo)記出待跟蹤目標(biāo)，同時(shí)將標(biāo)記的目標(biāo)作為目標(biāo)模板；(2)通過跟蹤?在線學(xué)習(xí)?檢測模型，對目標(biāo)進(jìn)行跟蹤：2a)用視頻的第一幀對跟蹤?在線學(xué)習(xí)?檢測模型進(jìn)行初始化；2b)將步驟(1)標(biāo)記出的跟蹤目標(biāo)作為正樣本，在正樣本附近取100個(gè)圖像塊作為負(fù)樣本，并用這些正負(fù)樣本訓(xùn)練隨機(jī)森林檢測器；2c)從輸入視頻的第二幀開始，對待跟蹤目標(biāo)進(jìn)行跟蹤與檢測；(3)判定跟蹤與檢測目標(biāo)的結(jié)果：3a)設(shè)定置信閾值Tc＝0.7，如果跟蹤結(jié)果的置信值大于Tc，則認(rèn)為是有效跟蹤，即跟蹤到了目標(biāo)，同時(shí)用跟蹤結(jié)果更新隨機(jī)森林檢測器，執(zhí)行步驟(6)；3b)如果跟蹤結(jié)果的置信值小于Tc，則認(rèn)為是跟蹤失敗，執(zhí)行步驟(4)；(4)提取目標(biāo)模板和視頻當(dāng)前幀的加速魯棒SURF特征：4a)計(jì)算目標(biāo)模板的積分圖像值I1∑：I1Σ=Σi=0i≤xΣj=0j≤yI(i,j),其中，I(i,j)表示目標(biāo)模板中點(diǎn)(i,j)處的像素值，(x,y)表示目標(biāo)模板中某一點(diǎn)的坐標(biāo)；4b)計(jì)算視頻當(dāng)前幀的積分圖像值I2∑：I2Σ=Σp=0p≤aΣq=0q≤bI(p,q),其中，I(p,q)表示當(dāng)前幀中點(diǎn)(p,q)處的像素值，(a,b)表示當(dāng)前幀中某一點(diǎn)的坐標(biāo)；4c)采用不同尺度的箱式濾波器建立適應(yīng)目標(biāo)變換的尺度空間，即將各個(gè)箱式濾波器按照尺度大小的不同組成一個(gè)空間塔狀結(jié)構(gòu)，其中每個(gè)尺度上包含x、y和xy三個(gè)方向上的箱式濾波器；4d)根據(jù)步驟4a)得出的積分圖像值和步驟4c)采用的箱式濾波器，求出目標(biāo)模板中每一點(diǎn)的特征矩陣H1(σ)=D1xxωD1xyωD1xyD1yy,并計(jì)算H1(σ)對應(yīng)行列式的值detH1：detH1＝D1xxD1yy?(ωD1xy)2，其中，D1xx表示由步驟4a)得到的積分圖像值與步驟4c)中x方向上箱式濾波器相乘求和的結(jié)果，D1xy表示由步驟4a)得到的積分圖像值與步驟4c)中xy方向上箱式濾波器相乘求和的結(jié)果，D1yy表示由步驟4a)得到的積分圖像值與步驟4c)中y方向上箱式濾波器相乘求和的結(jié)果，ω是箱式濾波器的誤差比例因子，σ表示尺度；4e)根據(jù)步驟4b)得出的積分圖像值和步驟4c)采用的箱式濾波器，求出視頻當(dāng)前幀中每一點(diǎn)的特征矩陣H2(σ)=D2xxωD2xyωD2xyD2yy,并計(jì)算H2(σ)對應(yīng)行列式值detH2：detH2＝D2xxD2yy?(ωD2xy)2，其中，D2xx表示由步驟4b)得到的積分圖像值與步驟4c)中x方向上箱式濾波器相乘求和的結(jié)果，D2xy表示由步驟4b)得到的積分圖像值與步驟4c)中xy方向上箱式濾波器相乘求和的結(jié)果，D2yy表示由步驟4b)得到的積分圖像值與步驟4c)中y方向上箱式濾波器相乘求和的結(jié)果，ω是箱式濾波器的誤差比例因子，σ表示尺度；4f)將步驟4d)～4e)得到的行列式值中大于零的點(diǎn)定為極值點(diǎn)，以每個(gè)極值點(diǎn)為中心取一個(gè)半徑為6s的圓形區(qū)域，其中s表示尺度，計(jì)算該圓形區(qū)域內(nèi)點(diǎn)的Haar小波響應(yīng)，將π/3范圍內(nèi)的響應(yīng)相加形成新的矢量，遍歷整個(gè)圓形區(qū)域，選擇最長矢量的方向作為該極值點(diǎn)的主方向，在主方向上選取邊長為20s的正方形區(qū)域，用這個(gè)區(qū)域內(nèi)的Haar小波響應(yīng)構(gòu)成加速魯棒SURF特征，即分別得到目標(biāo)模板的加速魯棒SURF特征和當(dāng)前幀的加速魯棒SURF特征；(5)利用歐氏距離對步驟4f)獲得的加速魯棒SURF特征進(jìn)行匹配：對于當(dāng)前幀中的特征向量(h1,h2,…,hm)和目標(biāo)模板中的特征向量(s1,s2,…,sn)，分別求(h1,h2,…,hm)中每一個(gè)元素hj與(s1,s2,…,sn)中所有元素之間歐式距離的最小值dj，如果dj小于設(shè)定的閾值Td，則認(rèn)為加速魯棒SURF特征匹配成功，否則匹配失敗，并將匹配成功的結(jié)果作為當(dāng)前幀的目標(biāo)跟蹤結(jié)果，其中hj表示當(dāng)前幀中第j個(gè)加速魯棒SURF特征點(diǎn)的坐標(biāo)，j＝1,2,…,m，m表示當(dāng)前幀中特征點(diǎn)的總個(gè)數(shù)；si表示目標(biāo)模板中第i個(gè)加速魯棒SURF特征點(diǎn)的坐標(biāo)，i＝1,2,…,n，n表示目標(biāo)模板中特征點(diǎn)的總個(gè)數(shù)；(6)輸出當(dāng)前幀的目標(biāo)跟蹤結(jié)果，并用當(dāng)前幀跟蹤的目標(biāo)作為更新的目標(biāo)模板；(7)循環(huán)執(zhí)行步驟2c)～步驟(6)，直到視頻的最后一幀。...
【技術(shù)特征摘要】
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：田小林，焦李成，劉朵，張小華，緱水平，鐘樺，朱虎明，馬文萍，
申請(專利權(quán))人：西安電子科技大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會(huì)獲得科技券。