一種抗遮擋人臉跟蹤方法
【專利摘要】本發(fā)明涉及一種抗遮擋人臉跟蹤方法。在發(fā)生遮擋時，使用改進參數(shù)的人臉檢測算法結合卡爾曼濾波線性預測，在遮擋發(fā)生時去除直方圖劇烈變化對Meanshift算法的影響；在人臉遮擋結束后能夠迅速找到人臉位置，重新恢復卡爾曼濾波器和Meanshift算法的跟蹤狀態(tài)，有效消除了跟蹤過程中前景物體對被跟蹤目標的干擾。為了解決人臉檢測算法實時性較差和易受周圍相似色度物體干擾的問題，在每幾幀中選擇一幀使用Meanshift算法來提高算法的實時性和平滑程度。實驗結果表明，本發(fā)明所述方法能夠較好地滿足實時性和抗遮擋性要求，同時具有較好的跟蹤魯棒性。
【專利說明】一種抗遮擋人臉跟蹤方法

【技術領域】
[0001] 本發(fā)明屬于計算機視覺領域，涉及一種抗遮擋人臉跟蹤方法。

【背景技術】
[0002] 人臉跟蹤技術是視頻處理、安全保障、計算機智能等行業(yè)中十分重要的一個模塊， 為其他的技術模塊提供目標定位、目標預測等重要信息。人臉跟蹤算法的魯棒性和實時性 是兩個難以同時滿足的指標，因為隨著魯棒性的提升，算法的復雜程度會大幅度增加，受限 于有限的計算機處理能力，人臉跟蹤的實時性必會下降。在人臉跟蹤過程中，當發(fā)生遮擋時 對算法魯棒性要求是最高的，這也是檢測跟蹤算法能否具有較好的抗干擾性和準確性的一 個重要指標。當發(fā)生遮擋時，遮擋物體往往會影響跟蹤算法使得跟蹤失位。
[0003] 現(xiàn)有的抗遮擋跟蹤算法通過卡爾曼濾波器與均值漂移Meanshift算法進行跟蹤， 使用最小二乘向量機進行抗遮擋處理。申請?zhí)枮?00780053643. 0的專利公開了一種跟蹤 裝置，其所采用的最小二乘向量機計算較為復雜，而且沒有針對人臉跟蹤進行優(yōu)化，使得已 有方法在對人臉跟蹤的實時性和準確度方面都可以進行進一步的改善和提高。
[0004] 遮擋會導致跟蹤失位，如圖1所示。當人臉被前景遮擋時，跟蹤算法會發(fā)生跟蹤失 位，在遮擋結束后跟蹤算法無法恢復跟蹤，從而導致跟蹤失敗。此時可以通過人工定位的方 法重新定位跟蹤初始位置，或者使用最小二乘向量機恢復人臉跟蹤。但是現(xiàn)有的方法都是 非自動的或是沒有專門針對人臉遮擋情形進行處理，跟蹤的魯棒性和實時性有待提高。


【發(fā)明內容】

[0005] 本發(fā)明的目的是提供一種抗遮擋人臉跟蹤方法，通過判斷在跟蹤過程中是否發(fā)生 對被跟蹤物體的遮擋，以及在遮擋結束后采取跟蹤自動恢復方法，消除遮擋對跟蹤算法的 干擾。
[0006] 本發(fā)明提出的抗遮擋人臉跟蹤方法，使用人工手動標定的方法在視頻流第一幀中 獲取被跟蹤目標的位置，通過跟蹤系統(tǒng)在后續(xù)視頻播放過程中完成對已選定目標的跟蹤， 同時輸出每一幀的目標坐標，由計算機自動進行抗遮擋處理運算。方案包括如下技術內 容：
[0007] 1 ?卡爾曼濾波
[0008] 卡爾曼濾波是在無偏最小均方差準則下，使用觀測值和上一時刻的估計值線性預 測信號的當前值?？柭鼮V波由狀態(tài)方程、觀測方程以及迭代方程來描述?？柭鼮V波的 作用為：
[0009] 1)在非遮擋時，與Meanshift結合完成目標跟蹤。
[0010] 2)在發(fā)生遮擋時，與人臉檢測相結合，預測被遮擋的跟蹤目標在遮擋發(fā)生時以及 遮擋發(fā)生后的位置。
[0011] 由卡爾曼濾波的狀態(tài)方程和觀測方程可得到迭代公式： CN 104318211 A WL 2/4貝

【權利要求】
1. 一種抗遮擋人臉跟蹤方法，其特征在于包括以下步驟： 步驟1，獲取需檢測的人臉模板并進行初始化，方法如下： 在當前播放視頻的第一幀中手動框出要被跟蹤人臉的位置，并將此作為目標跟蹤的模 板；以該位置為初始數(shù)據(jù)對卡爾曼濾波算法中的狀態(tài)向量進行初始化，同時設置轉移矩陣、 測量矩陣、輸入噪聲、測量噪聲以及協(xié)方差的初始值；Meanshift算法確定搜索目標的直方 圖模型、搜索函數(shù)的帶寬以及迭代次數(shù)； 步驟2,根據(jù)人臉的初始位置確定跟蹤目標的直方圖，在每一幀中檢測當前跟蹤窗口和 被跟蹤目標之間的Bhattacharyya系數(shù)； 步驟3,當Bhattacharyya系數(shù)小于一定域值時，表明檢測到的人臉未發(fā)生遮擋，采用 卡爾曼濾波算法，利用第k幀目標位置數(shù)據(jù)對第k+Ι幀的跟蹤目標位置進行預測，并將該預 測值作為第k+Ι幀Meanshift搜索算法的起始位置進行迭代計算，直到兩幀之間預測位置 的均方差小于特定門限或滿足一定迭代次數(shù)時，即可得到該視頻幀中跟蹤目標位置；同時 此數(shù)據(jù)是輸入第k+Ι幀卡爾曼濾波器的測量值；卡爾曼濾波輸出預測值作為最終的跟蹤結 果； 步驟4,當Bhattacharyya系數(shù)大于設定域值時，表明被跟蹤的物體受到了前景的遮 擋，當前跟蹤窗口中的目標和目標模板相差較大，此時對不同幀序號的視頻幀使用不同的 處理方式；設定某一常數(shù)，當視頻幀不是該常數(shù)整數(shù)倍時，使用卡爾曼濾波器根據(jù)前一幀預 測跟蹤目標可能的位置，并提供檢測窗口，接下來使用人臉檢測算法在該窗口中快速、準確 地檢測人臉位置，以便在遮擋結束后迅速地檢測到人臉的位置，根據(jù)該位置采用卡爾曼濾 波和Meanshift算法，使跟蹤迅速恢復到未遮擋前步驟3中的狀態(tài)；當視頻幀序號為上述常 數(shù)整數(shù)倍時，將當前巾貞的運算方法改為步驟3中的算法模式，即卡爾曼濾波與Meanshift算 法結合的跟蹤模式；當發(fā)生全遮擋時，人臉檢測算法無法檢測出人臉的位置，此時將只使用 卡爾曼濾波預測結果，使用人臉檢測算法隨時檢測人臉是否出現(xiàn)，即在人臉遮擋完成后迅 速為卡爾曼濾波提供合理的測量值，從而恢復跟蹤； 步驟5,當遮擋結束后，人臉檢測獲得正確的測量值和跟蹤窗口，Bhattacharyya系數(shù) 重新回到域值以下，此時重新使用步驟3中的跟蹤方法； 步驟6,標記跟蹤結果； 將卡爾曼濾波器的輸出值作為跟蹤目標的最終跟蹤結果，并在當前幀中使用和跟蹤目 標模板大小相同的方框標出跟蹤位置，使得方框可以代表跟蹤目標的運動情況，從而實現(xiàn) 對人臉位置的標定； 步驟7,輸出跟蹤目標的軌跡和Bhattacharyya系數(shù)變化情況。
2. 根據(jù)權利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述的 Bhattacharyya系數(shù)的計算公式如下：
其中，P(U)為被跟蹤目標的直方圖分布，q(u)為當前跟蹤窗口的直方圖分布，m代表直 方圖窗口大小，若窗口的長為K寬為w，則m=hXw; Bhattacharyya系數(shù)的取值范圍為O?I;Bhattacharyya系數(shù)接近于1時，表明當前 位置與被跟蹤物體相似度較小，被跟蹤物體發(fā)生遮擋；Bhattacharyya系數(shù)接近于O時，表 明當前位置與被跟蹤物體相似度較大，被跟蹤物體沒有發(fā)生遮擋；當發(fā)生遮擋時，人臉跟蹤 的Bhattacharyya系數(shù)會急劇上升，完全遮擋時接近為1，所以Bhattacharyya系數(shù)可以用 來檢測是否發(fā)生遮擋。
3. 根據(jù)權利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述的卡爾曼 濾波的迭代公式為：
式中，毛、I1是k、k-l時刻的系統(tǒng)狀態(tài)，yk是k時刻的系統(tǒng)觀測向量；A為狀態(tài)轉移矩 陣，B是系統(tǒng)控制矩陣，C是測量矩陣；P(w)?N(0,Q)，P(V)?N(0,R)，即Q為輸入噪聲的 協(xié)方差矩陣，R為測量噪聲的協(xié)方差矩陣，Ptl =I，I為單位矩陣。
4. 根據(jù)權利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述的 Meanshift算法是基于圖像直方圖提出的跟蹤算法，根據(jù)不同像素與被搜索對象的距離賦 予其不同的加權值，通過一定帶寬的核函數(shù)將當前搜索范圍的灰度直方圖和已知模板直方 圖進行匹配，找出當前搜索范圍內被跟蹤對象的質心，從而確定被跟蹤目標的位置。
5. 根據(jù)權利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述人臉檢測 用于發(fā)生遮擋后對于人臉位置的恢復；為了減少不必要的干擾，人臉檢測算法將檢測窗口 設定為以當前跟蹤位置為中心、長和寬各為60個像素的范圍內；所述人臉檢測基于人臉膚 色進行，通過人臉的HSV空間中各分量的范圍得到人臉區(qū)域所在位置；人臉在正常色溫下， 受光面的色調在HSV空間中為藍色，背光面為紅色；將人臉圖像做二值化處理，將符合人臉 特征的像素賦值1，將非特征像素賦值為〇 ;將二值化的圖像進行高斯濾波處理，并按照8連 通域的規(guī)則標出連通域，選擇最大的連通域即可得到人臉位置。
【文檔編號】G06K9/00GK104318211SQ201410551244
【公開日】2015年1月28日 申請日期:2014年10月17日 優(yōu)先權日:2014年10月17日
【發(fā)明者】何嘉煒, 楊盈昀 申請人:中國傳媒大學