專利名稱：一種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)領(lǐng)域，特別涉及一種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，適用于視頻圖像運(yùn)動(dòng)目標(biāo)在靜態(tài)背景遮擋下的跟蹤。
背景技術(shù)：
運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域的核心課題之一，具有十分重要的意義和廣泛的實(shí)用價(jià)值。它融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)應(yīng)用等相關(guān)領(lǐng)域的先進(jìn)技術(shù)和研究成果。運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)質(zhì)是一種從圖像信號(hào)中實(shí)時(shí)自動(dòng)識(shí)別目標(biāo)，提取目標(biāo)的位置信息，自動(dòng)跟蹤目標(biāo)的技木。它的難點(diǎn)在于圖像信號(hào)采集過程中的信息損失和復(fù)雜的應(yīng)用環(huán)境，特別是目標(biāo)在運(yùn)動(dòng)過程中經(jīng)常被場景中的其它物體遮擋，遮擋導(dǎo)致了部分固有特征的丟失，新特征的產(chǎn)生，這給目標(biāo)識(shí)別和定位帶來很大的困難。因此，跟蹤過程中的遮擋問題成為限制跟蹤算法實(shí)用性的關(guān)鍵因素。在圖像圖形識(shí)別中，傳統(tǒng)的識(shí)別方法通常無法對該類物體進(jìn)行識(shí)別。近年來，基于多子塊模板匹配的方法開始被應(yīng)用于遮擋情況下的目標(biāo)跟蹤，該方法通過對所有目標(biāo)子塊的運(yùn)動(dòng)位移量表決來獲得目標(biāo)在遮擋時(shí)的真實(shí)位置。為解決目標(biāo)模板更新問題和目標(biāo)在完全遮擋及重新復(fù)現(xiàn)時(shí)的跟蹤問題，本發(fā)明構(gòu)造了一種改進(jìn)的運(yùn)動(dòng)目標(biāo)抗遮擋跟蹤方法，利用更加準(zhǔn)確的遮擋判定準(zhǔn)則，通過使目標(biāo)在遮擋時(shí)的模板進(jìn)行自適應(yīng)更新，運(yùn)用卡爾曼模型預(yù)測目標(biāo)在完全遮擋時(shí)的運(yùn)動(dòng)軌跡，再使用多子模板匹配方法完成目標(biāo)在遮擋復(fù)現(xiàn)時(shí)的跟蹤。本發(fā)明中提到的一種改進(jìn)的復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)抗遮擋跟蹤方法，通過判斷目標(biāo)是否被靜態(tài)背景遮擋，根據(jù)目標(biāo)大小來自適應(yīng)分割目標(biāo)模板子塊并在捜索區(qū)域內(nèi)進(jìn)行遍歷匹配，得到各子塊的運(yùn)動(dòng)位移量后根據(jù)匹配成功率來自適應(yīng)更新目標(biāo)模板，進(jìn)而利用Kalman預(yù)測濾波和多子塊模板匹配方法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的抗遮擋跟蹤。本發(fā)明與其它運(yùn)動(dòng)目標(biāo)抗遮擋跟蹤方法不同在于本發(fā)明通過改進(jìn)目標(biāo)遮擋判斷準(zhǔn)則，克服了現(xiàn)有跟蹤方法中因場景顏色與運(yùn)動(dòng)目標(biāo)顏色相近引起的遮擋漏判；利用基干加權(quán)累積的子塊表決方法，有效減少了現(xiàn)有跟蹤方法中因單峰表決值而帶來的表決誤差；采用改進(jìn)后的模板更新和多字塊模板相關(guān)匹配算法實(shí)現(xiàn)了目標(biāo)遮擋目標(biāo)復(fù)現(xiàn)后的可靠接力跟蹤。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是克服現(xiàn)有的運(yùn)動(dòng)目標(biāo)抗靜態(tài)遮擋跟蹤方法的不能連續(xù)可靠跟蹤的問題，提出一種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法。本發(fā)明采用的技術(shù)方案為一種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，該方法包括如下步驟步驟(I)、判斷目標(biāo)是否被靜態(tài)背景遮擋；步驟(2)、根據(jù)目標(biāo)大小來自適應(yīng)分割目標(biāo)模板子塊，并將所有子塊在搜索區(qū)域內(nèi)進(jìn)行遍歷匹配，得到各自的運(yùn)動(dòng)位移量；步驟(3)、對所有子塊的位移量進(jìn)行加權(quán)表決得到目標(biāo)的真實(shí)位置，并根據(jù)各子塊的匹配成功率來自適應(yīng)更新目標(biāo)模板；步驟(4)、利用目標(biāo)的匹配位置信息更新Kalman濾波模型，當(dāng)目標(biāo)完全被遮擋時(shí)采用預(yù)測信息作為真實(shí)值，當(dāng)目標(biāo)復(fù)現(xiàn)時(shí)采用多子塊模板匹配方法進(jìn)行接力跟蹤。其中，所述步驟(I)中判斷目標(biāo)是否被靜態(tài)背景遮擋的具體步驟為步驟Al、計(jì)算兩個(gè)目標(biāo)的Bhattacharyya系數(shù)
權(quán)利要求
1.一種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，其特征在于該方法包括如下步驟 步驟(I)、判斷目標(biāo)是否被靜態(tài)背景遮擋； 步驟(2)、根據(jù)目標(biāo)大小來自適應(yīng)分割目標(biāo)模板子塊，并將所有子塊在搜索區(qū)域內(nèi)進(jìn)行遍歷匹配，得到各自的運(yùn)動(dòng)位移量； 步驟(3)、對所有子塊的位移量進(jìn)行加權(quán)表決得到目標(biāo)的真實(shí)位置，并根據(jù)各子塊的匹配成功率來自適應(yīng)更新目標(biāo)模板； 步驟(4)、利用目標(biāo)的匹配位置信息更新Kalman濾波模型，當(dāng)目標(biāo)完全被遮擋時(shí)采用預(yù)測信息作為真實(shí)值，當(dāng)目標(biāo)復(fù)現(xiàn)時(shí)采用多子塊模板匹配方法進(jìn)行接力跟蹤。
2.根據(jù)權(quán)利要求I所述的ー種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，其特征在于所述步驟(I)中判斷目標(biāo)是否被靜態(tài)背景遮擋的具體步驟為 步驟Al、計(jì)算兩個(gè)目標(biāo)的Bhattacharyya系數(shù)
3.根據(jù)權(quán)利要求I所述的ー種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，其特征在干所述步驟(2)中根據(jù)目標(biāo)大小來自適應(yīng)分割目標(biāo)模板子塊，并將所有子塊在搜索區(qū)域內(nèi)進(jìn)行遍歷匹配得到各自的運(yùn)動(dòng)位移量的具體步驟為 步驟BI、根據(jù)目標(biāo)寬高(w，h)，自適應(yīng)分配模板子塊邊長I為
4.根據(jù)權(quán)利要求I所述的ー種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，其特征在干所述步驟(3)中對所有子塊的位移量進(jìn)行加權(quán)表決獲取目標(biāo)的真實(shí)位置，并根據(jù)各子塊的匹配情況來自適應(yīng)更新目標(biāo)模板的具體步驟為 步驟Cl、在包含N個(gè)目標(biāo)子塊的運(yùn)動(dòng)位移量集{dxpdyj , i = I,. . . ,N中，統(tǒng)計(jì)姆個(gè)位移量的票數(shù)，通過選出票數(shù)最高的三項(xiàng)位移量W1, d2，d3}，計(jì)算出該三項(xiàng)最高票數(shù)的總額，根據(jù)每位票數(shù)所占總額的權(quán)重β i進(jìn)行累加求和，得到一個(gè)加權(quán)后的運(yùn)動(dòng)位移量和目標(biāo)的真實(shí)位置為
5.根據(jù)權(quán)利要求I所述的ー種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，其特征在于所述步驟(4)中利用目標(biāo)的匹配位置信息更新Kalman濾波模型，當(dāng)目標(biāo)完全被遮擋時(shí)采用預(yù)測信息作為真實(shí)值，當(dāng)目標(biāo)復(fù)現(xiàn)時(shí)采用多子模板匹配方法進(jìn)行接カ跟蹤的具體步驟為 步驟Dl、根據(jù)目標(biāo)在當(dāng)前巾貞的質(zhì)心坐標(biāo)(x,y)、矩形寬高(w,h)和瞬時(shí)速度(vx，vy)等信息，構(gòu)造Kalman濾波模型為 X (k) = [X (k), y (k), w (k), h (k), vx (k), vx (k) ] (9) Z(k) = [x(k), y(k), w(k), h(k)]T(10) 步驟D2、將目標(biāo)匹配位置作為Kalman濾波模型的觀測值，獲得目標(biāo)在下ー幀的預(yù)測位置； 步驟D3、當(dāng)目標(biāo)在預(yù)測鄰域內(nèi)未檢測出新目標(biāo)時(shí)，認(rèn)為該目標(biāo)已被完全遮擋，此時(shí)完全依靠Kalman濾波預(yù)測模型對目標(biāo)運(yùn)動(dòng)軌跡進(jìn)行預(yù)測跟蹤； 步驟D4、當(dāng)目標(biāo)離開遮擋區(qū)域被重新檢測出來時(shí)，根據(jù)重現(xiàn)目標(biāo)的感興趣區(qū)域ROI定位規(guī)則，由新目標(biāo)的運(yùn)動(dòng)速度Vx和Vy來確定歷史目標(biāo)原始模板的ROI位置和尺寸，并計(jì)算模板灰度前景Ft,進(jìn)而計(jì)算Ft與新目標(biāo)灰度前景F。的Bhattacharyya系數(shù)dB,當(dāng)滿足dB< TB，則認(rèn)為目標(biāo)匹配 上，用新目標(biāo)的運(yùn)動(dòng)信息對歷史目標(biāo)進(jìn)行更新。
全文摘要
本發(fā)明提供一種基于運(yùn)動(dòng)預(yù)測與多子塊模板匹配相結(jié)合的抗遮擋跟蹤方法，具體實(shí)現(xiàn)步驟為首先采用改進(jìn)的目標(biāo)遮擋判定準(zhǔn)則，判斷出當(dāng)前運(yùn)動(dòng)目標(biāo)是否處于靜態(tài)遮擋情況；其次，按照運(yùn)動(dòng)目標(biāo)大小對目標(biāo)的灰度前景模板進(jìn)行自適應(yīng)分塊，將每個(gè)子塊在搜索區(qū)域內(nèi)進(jìn)行遍歷匹配以獲得各自的運(yùn)動(dòng)位移量；然后，通過對每個(gè)子塊的位移量進(jìn)行加權(quán)表決來獲取目標(biāo)的真實(shí)位置；最后按照每個(gè)子塊的表決結(jié)果來自適應(yīng)更新模板。當(dāng)目標(biāo)完全被遮擋后，通過卡爾曼模型來準(zhǔn)確預(yù)測目標(biāo)的運(yùn)動(dòng)軌跡；當(dāng)目標(biāo)重新復(fù)現(xiàn)時(shí)，采用多子塊模板匹配方法依然能夠重新跟蹤上新目標(biāo)。本發(fā)明該方法能夠?qū)崿F(xiàn)運(yùn)動(dòng)目標(biāo)在靜態(tài)背景遮擋情況下的穩(wěn)定跟蹤。
文檔編號(hào)G06T7/20GK102646279SQ20121005064
公開日2012年8月22日 申請日期2012年2月29日 優(yōu)先權(quán)日2012年2月29日
發(fā)明者肖軍波, 趙龍 申請人:北京航空航天大學(xué)