本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及圖像目標(biāo)跟蹤方法與系統(tǒng)。

背景技術(shù)：

隨著視頻攝像頭的在城市安防領(lǐng)域的應(yīng)用，基于圖像信息的目標(biāo)跟蹤算法吸引了工業(yè)界及學(xué)術(shù)界的研究熱情。在過(guò)去的三十年，圖像跟蹤算法取得了長(zhǎng)足的發(fā)展，但是依然有很多開放性的問(wèn)題并未得到完善的解決方案，例如，目標(biāo)的大變形，觀察視角的改變，光線的變化，嘈雜的背景，干擾及遮擋等問(wèn)題。

傳統(tǒng)的目標(biāo)跟蹤方案對(duì)僅僅基于目標(biāo)對(duì)象完成算法的建模，其中主要含有三個(gè)部分：1)目標(biāo)特征模型的提?。?)多特征融合的模型匹配算法；3)算法的實(shí)時(shí)更新方案。

基于傳統(tǒng)的目標(biāo)跟蹤方案，一個(gè)跟蹤器能夠應(yīng)對(duì)的一些傳統(tǒng)的問(wèn)題，例如目標(biāo)的大變形，光線變化及快速運(yùn)動(dòng)，但是當(dāng)環(huán)境存在偽裝的時(shí)候，很有可能由于圖像目標(biāo)被遮擋，而無(wú)法很好跟蹤圖像目標(biāo)。例如在人群中，當(dāng)跟蹤的對(duì)象(行人)被遮擋的情況下，傳統(tǒng)圖像目標(biāo)跟蹤方案容易錯(cuò)誤的跟蹤到其他的行人中。

技術(shù)實(shí)現(xiàn)要素：

基于此，有必要針對(duì)傳統(tǒng)圖像目標(biāo)跟蹤方案無(wú)法實(shí)現(xiàn)準(zhǔn)確跟蹤的問(wèn)題，提供一種能夠準(zhǔn)確跟蹤目標(biāo)的圖像目標(biāo)跟蹤方法與系統(tǒng)。

一種圖像目標(biāo)跟蹤方法，包括步驟：

確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置；

根據(jù)所述目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡；

將觀測(cè)樣本位置與所述預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。

一種圖像目標(biāo)跟蹤系統(tǒng)，包括：

位置確定模塊，用于確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置；

預(yù)測(cè)軌跡生成模塊，用于根據(jù)所述目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡；

跟蹤模塊，用于將觀測(cè)樣本位置與所述預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。

本發(fā)明圖像目標(biāo)跟蹤方法與系統(tǒng)，確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，根據(jù)所述目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡，將觀測(cè)樣本位置與所述預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。整個(gè)過(guò)程中，基于確定的目標(biāo)與偽裝干擾相對(duì)位置生成預(yù)測(cè)軌跡，進(jìn)行軌跡關(guān)聯(lián)，判斷目標(biāo)是否被遮擋并準(zhǔn)確跟蹤目標(biāo)。

附圖說(shuō)明

圖1為本發(fā)明圖像目標(biāo)跟蹤方法第一個(gè)實(shí)施例的流程示意圖；

圖2為本發(fā)明圖像目標(biāo)跟蹤方法第二個(gè)實(shí)施例的流程示意圖；

圖3為本發(fā)明圖像目標(biāo)跟蹤系統(tǒng)第一個(gè)實(shí)施例的結(jié)構(gòu)示意圖；

圖4為本發(fā)明圖像目標(biāo)跟蹤系統(tǒng)第二個(gè)實(shí)施例的結(jié)構(gòu)示意圖。

具體實(shí)施方式

如圖1所示，一種圖像目標(biāo)跟蹤方法，包括步驟：

S200：確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。

目標(biāo)與偽裝干擾在圖像中的相對(duì)位置可以采用多種方式確定，具體來(lái)說(shuō)，可以借助已有成熟圖像識(shí)別與定位技術(shù)以及歷史經(jīng)驗(yàn)數(shù)據(jù)來(lái)確定，另外還可以采用數(shù)據(jù)實(shí)時(shí)處理方式來(lái)確定。下面將詳細(xì)介紹一種基于實(shí)時(shí)獲取的圖像數(shù)據(jù)來(lái)確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置的具體實(shí)施例。

在其中一個(gè)實(shí)施例，步驟S200包括：

步驟一：獲取目標(biāo)初始位置，根據(jù)目標(biāo)初始位置進(jìn)行稀疏采樣。

抽取含有目標(biāo)的圖像，從中獲取目標(biāo)初始位置。在不同應(yīng)用場(chǎng)景下目標(biāo)初始位置獲取方式不相同，具體來(lái)說(shuō)，可以分為兩種情況，一種是存在前一幀圖像；第二種是不存在前一幀圖像。針對(duì)存在前一幀圖像的情況可以直接獲取目標(biāo)在前一幀圖像中的位置來(lái)獲取目標(biāo)初始位置；針對(duì)不存在前一幀圖像的情況可以獲取目標(biāo)預(yù)設(shè)位置來(lái)獲取目標(biāo)初始位置。下面以實(shí)例來(lái)進(jìn)行說(shuō)明，假定當(dāng)前時(shí)間點(diǎn)之前已經(jīng)采集有連續(xù)含有目標(biāo)的圖像，當(dāng)前時(shí)間點(diǎn)為開始采集的第10幀，則可以從第9幀采集的含有目標(biāo)的圖像中獲取目標(biāo)初始位置；假定當(dāng)前時(shí)間點(diǎn)之前沒(méi)有采集連續(xù)含有目標(biāo)的圖像，即當(dāng)前時(shí)間點(diǎn)為開始采集的第1幀，則獲取目標(biāo)預(yù)設(shè)位置來(lái)獲取目標(biāo)初始位置。更進(jìn)一步來(lái)說(shuō)，預(yù)設(shè)初始位置可以隨機(jī)設(shè)定或者根據(jù)實(shí)際應(yīng)用場(chǎng)景以及歷史經(jīng)驗(yàn)數(shù)據(jù)進(jìn)行設(shè)定?；谀繕?biāo)初始位置，對(duì)目標(biāo)初始位置周圍進(jìn)行稀疏采樣，獲得多個(gè)采樣點(diǎn)，非必要的，可以對(duì)目標(biāo)初始位置周圍進(jìn)行均勻稀疏采樣，以獲得更加整齊的多個(gè)采樣點(diǎn)，采用均勻稀疏采樣有利于減小后期數(shù)據(jù)處理量。

步驟二：將采樣點(diǎn)分為前景樣本和背景樣本。

將步驟一獲得的采樣點(diǎn)分為前景樣本和背景樣本，其中，前景樣本中可能含有目標(biāo)，同時(shí)也可能還有偽裝干擾。采用點(diǎn)區(qū)分過(guò)程包括：首先，提取稀疏采樣每個(gè)樣本中的顏色特征。在步驟一進(jìn)行稀疏采樣之后，會(huì)獲得多個(gè)樣本，提取每個(gè)樣本中的顏色特征，具體來(lái)說(shuō)，是提取每個(gè)樣本的顏色特征直方圖；再獲取顏色強(qiáng)度的梯度直方圖特征，將提取的顏色特征與顏色強(qiáng)度的梯度直方圖特征匹配，獲得匹配結(jié)果。顏色強(qiáng)度的梯度直方圖特征是通過(guò)對(duì)已有的圖像目標(biāo)特征進(jìn)行分體所提取的特征，其梯度模型為方向梯度直方圖(HOG)。非必要的，可以利用巴氏距離計(jì)算法，將樣本中提取的顏色特征與模型中的顏色特征進(jìn)行匹配，每個(gè)樣本將得到一個(gè)匹配值；最后，據(jù)匹配結(jié)果以及采樣點(diǎn)空間位置信息，利用高斯聚類算法將采樣點(diǎn)分為前景樣本和背景樣本。聚類算法是研究(樣品或指標(biāo))分類問(wèn)題的一種統(tǒng)計(jì)分析方法，同時(shí)也是數(shù)據(jù)挖掘的一個(gè)重要算法。聚類分析是由若干模式組成的，通常模式是一個(gè)度量的向量，或者是多維空間中的一個(gè)點(diǎn)。聚類分析以相似性為基礎(chǔ)，在一個(gè)聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。在這里，根據(jù)顏色匹配結(jié)果以及各個(gè)采樣點(diǎn)空間位置信息，采用高斯聚類算法將采樣點(diǎn)分為前景樣本和背景樣本。

步驟三：根據(jù)前景樣本的空間分布，聚類相鄰的前景樣本，獲得包含多個(gè)簇的聚類結(jié)果。

在將采樣點(diǎn)分為前景樣本和背景樣本之后，遍歷所有前景樣本，根據(jù)前景樣本的空間分布，將相鄰的前景樣本再次進(jìn)行聚類，獲得包含多個(gè)簇的聚類結(jié)果。非必要的，可以主要考慮前景樣本在空間分布重疊的區(qū)域，對(duì)該重疊的區(qū)域進(jìn)行再次聚類，獲得包含多個(gè)簇的聚類結(jié)果。具體來(lái)說(shuō)，聚類過(guò)程包括：首先，根據(jù)前景樣本的空間分布，獲取前景樣本的重疊區(qū)域。再區(qū)分出前景樣本和背景樣本后，遍歷所有的前景樣本，分析前景樣本的空間分布，查找到前景樣本的重疊區(qū)域；最后，根據(jù)前景樣本的重疊區(qū)域?qū)⑶熬皹颖具M(jìn)行聚類，獲得包含多個(gè)簇的聚類結(jié)果。前景樣本中具有重疊區(qū)域的樣本再次進(jìn)行空間聚類，根據(jù)空間分布將前景樣本分為多個(gè)不同的簇。

步驟四：根據(jù)聚類結(jié)果進(jìn)行穩(wěn)健估計(jì)，確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。具體來(lái)說(shuō)，整個(gè)確定過(guò)程可以包括：首先，根據(jù)聚類結(jié)果進(jìn)行簇內(nèi)密集采樣，并在密集采樣中提取梯度特征；再將提取的梯度特征與預(yù)設(shè)梯度模型匹配，獲得匹配值；再獲取梯度匹配均值點(diǎn)對(duì)應(yīng)位置以及梯度匹配值最高點(diǎn)對(duì)應(yīng)位置；最后，根據(jù)梯度匹配均值點(diǎn)對(duì)應(yīng)位置以及梯度匹配值最高點(diǎn)對(duì)應(yīng)位置進(jìn)行穩(wěn)健估計(jì)，確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。

更進(jìn)一步來(lái)說(shuō)，上述根據(jù)梯度匹配均值點(diǎn)對(duì)應(yīng)位置以及梯度匹配值最高點(diǎn)對(duì)應(yīng)位置進(jìn)行穩(wěn)健估計(jì)，確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置的步驟可以包括：

1)根據(jù)梯度匹配均值點(diǎn)對(duì)應(yīng)位置以及梯度匹配最高點(diǎn)對(duì)應(yīng)位置，對(duì)每個(gè)簇內(nèi)的密集樣本進(jìn)行迭代聚類和潛在目標(biāo)區(qū)域估計(jì)。

2)當(dāng)每個(gè)梯度匹配均值點(diǎn)對(duì)應(yīng)位置與梯度匹配最高點(diǎn)對(duì)應(yīng)位置偏差均小于預(yù)設(shè)值時(shí)，停止迭代，查找具有區(qū)域重疊的目標(biāo)。

3)確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。

根據(jù)匹配值的大小，獲得均值點(diǎn)對(duì)應(yīng)的位置，通過(guò)對(duì)比匹配值最高點(diǎn)的位置，對(duì)每個(gè)簇內(nèi)的密集樣本完成迭代聚類并完成潛在目標(biāo)區(qū)域的估計(jì)，直到均值點(diǎn)對(duì)應(yīng)的位置和最高點(diǎn)對(duì)應(yīng)的位置足夠靠近，則迭代停止，利用目標(biāo)及偽裝干擾之間的相對(duì)位置，完成目標(biāo)位置的預(yù)測(cè)。上述足夠靠近在實(shí)際操作中具體為每個(gè)梯度匹配均值點(diǎn)對(duì)應(yīng)位置與梯度匹配最高點(diǎn)對(duì)應(yīng)位置偏差均小于預(yù)設(shè)值，更具體來(lái)說(shuō)，預(yù)設(shè)值為50％，即當(dāng)均值點(diǎn)對(duì)應(yīng)的位置與最高點(diǎn)對(duì)應(yīng)的位置之間偏差小于50％時(shí)，停止迭代，查找具有區(qū)域重疊的目標(biāo)。

S400：根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡。

具體來(lái)說(shuō)，預(yù)測(cè)軌跡可以分別包括目標(biāo)預(yù)測(cè)軌跡和偽裝干擾預(yù)測(cè)軌跡。

S600：將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。

基于步驟S400的生成預(yù)測(cè)軌跡，將實(shí)時(shí)獲得的觀測(cè)樣本位置與預(yù)測(cè)軌跡進(jìn)行關(guān)聯(lián)，獲得關(guān)聯(lián)結(jié)果，在根據(jù)關(guān)聯(lián)結(jié)果判斷目標(biāo)是否被遮擋，并最終準(zhǔn)確跟蹤目標(biāo)。具體來(lái)說(shuō)，利用目標(biāo)及偽裝干擾之間的相對(duì)位置，完成目標(biāo)位置的預(yù)測(cè)，然后將觀測(cè)樣本位置與預(yù)測(cè)軌跡進(jìn)行關(guān)聯(lián)，如果沒(méi)有找到合適的關(guān)聯(lián)對(duì)象(目標(biāo))，則判定目標(biāo)被遮擋，如果找到合適的關(guān)聯(lián)對(duì)象(目標(biāo))，則追蹤目標(biāo)。

本發(fā)明圖像目標(biāo)跟蹤方法，確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡，將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。整個(gè)過(guò)程中，基于確定的目標(biāo)與偽裝干擾相對(duì)位置生成預(yù)測(cè)軌跡，進(jìn)行軌跡關(guān)聯(lián)，判斷目標(biāo)是否被遮擋并準(zhǔn)確跟蹤目標(biāo)。

如圖2所示，在其中一個(gè)實(shí)施例中，步驟S600包括：

S620：實(shí)時(shí)獲取觀測(cè)樣本位置，將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)。

對(duì)整個(gè)含偽裝干擾的圖像觀測(cè)，實(shí)時(shí)獲取觀測(cè)樣本位置，將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)。在實(shí)際操作中，觀測(cè)樣本位置可能有很多，為更好判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)，可以對(duì)觀測(cè)樣本位置進(jìn)行篩選。

S640：若觀測(cè)樣本位置與目標(biāo)的關(guān)聯(lián)系數(shù)大于與偽裝干擾的關(guān)聯(lián)系數(shù)，則判定目標(biāo)未被遮擋，確認(rèn)跟蹤目標(biāo)，否則，判定目標(biāo)被遮擋。

如果觀測(cè)樣本與目標(biāo)的關(guān)聯(lián)系數(shù)大于與偽裝干擾的關(guān)聯(lián)系數(shù)，則判定目標(biāo)未被遮擋，確認(rèn)跟蹤目標(biāo)。否則現(xiàn)有觀測(cè)樣本被全部認(rèn)定為偽裝干擾，判定目標(biāo)被偽裝干擾遮擋。

在其中一個(gè)實(shí)施例中，將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)的步驟包括：

步驟一：通過(guò)貝葉斯概率算法，分別將觀測(cè)樣本位置與目標(biāo)軌跡以及偽裝干擾軌跡匹配。

步驟二：計(jì)算觀測(cè)樣本位置對(duì)應(yīng)的觀測(cè)權(quán)重值，其中，當(dāng)觀測(cè)樣本位置與目標(biāo)軌跡越相似時(shí)，觀測(cè)權(quán)重值越高，當(dāng)觀測(cè)樣本位置與偽裝干擾軌跡越相似時(shí)，觀測(cè)權(quán)重值越低。

步驟三：選取觀測(cè)權(quán)重值最高的觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)。

采用上述方式可以選擇最相似的觀測(cè)樣本位置與預(yù)測(cè)的軌跡進(jìn)行關(guān)聯(lián)，最終能夠更加準(zhǔn)確跟蹤目標(biāo)。

在其中一個(gè)實(shí)施例中，根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡的步驟包括：

根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置以及歷史信息，生成預(yù)測(cè)軌跡，歷史信息包括目標(biāo)的歷史圖像位置、偽裝干擾的歷史圖像位置、偽裝目標(biāo)的歷史個(gè)數(shù)以及目標(biāo)與偽裝干擾在歷史圖像中相對(duì)位置。

在本實(shí)施例中，綜合考慮目標(biāo)與偽裝干擾在圖像中的相對(duì)位置以及歷史信息，能夠更加準(zhǔn)確獲得預(yù)測(cè)軌跡，從而最終實(shí)現(xiàn)更加準(zhǔn)確跟蹤目標(biāo)。

如圖2所示，在其中一個(gè)實(shí)施例中，步驟S200之后還包括：

S300：記錄目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。

記錄目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，一方面，能有效防止數(shù)據(jù)由于意外而丟失，另一方面，有利于后期對(duì)圖像中目標(biāo)與偽裝干擾相對(duì)位置情況進(jìn)行進(jìn)一步研究。

如圖3所示，一種圖像目標(biāo)跟蹤系統(tǒng)，包括：

位置確定模塊200，用于確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。

預(yù)測(cè)軌跡生成模塊400，用于根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡。

跟蹤模塊600，用于將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。

本發(fā)明圖像目標(biāo)跟蹤系統(tǒng)，位置確定模塊200確定目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，預(yù)測(cè)軌跡生成模塊400根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置，生成預(yù)測(cè)軌跡，跟蹤模塊600將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)，根據(jù)關(guān)聯(lián)結(jié)果，判斷目標(biāo)是否被遮擋并跟蹤目標(biāo)。整個(gè)過(guò)程中，基于確定的目標(biāo)與偽裝干擾相對(duì)位置生成預(yù)測(cè)軌跡，進(jìn)行軌跡關(guān)聯(lián)，判斷目標(biāo)是否被遮擋并準(zhǔn)確跟蹤目標(biāo)。

如圖4所示，在其中一個(gè)實(shí)施例中，跟蹤模塊600包括：

關(guān)聯(lián)單元620，用于實(shí)時(shí)獲取觀測(cè)樣本位置，將觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)。

跟蹤單元640，用于若觀測(cè)樣本位置與目標(biāo)的關(guān)聯(lián)系數(shù)大于與偽裝干擾的關(guān)聯(lián)系數(shù)，則判定目標(biāo)未被遮擋，確認(rèn)跟蹤目標(biāo)，否則，判定目標(biāo)被遮擋。

在其中一個(gè)實(shí)施例中，預(yù)測(cè)軌跡包括目標(biāo)軌跡和偽裝干擾軌跡，跟蹤模塊600包括：

匹配單元，用于通過(guò)貝葉斯概率算法，分別將觀測(cè)樣本位置與目標(biāo)軌跡以及偽裝干擾軌跡匹配。

觀測(cè)權(quán)重計(jì)算單元，用于計(jì)算觀測(cè)樣本位置對(duì)應(yīng)的觀測(cè)權(quán)重值，其中，當(dāng)觀測(cè)樣本位置與目標(biāo)軌跡越相似時(shí)，觀測(cè)權(quán)重值越高，當(dāng)觀測(cè)樣本位置與偽裝干擾軌跡越相似時(shí)，觀測(cè)權(quán)重值越低。

關(guān)聯(lián)執(zhí)行單元，用于選取觀測(cè)權(quán)重值最高的觀測(cè)樣本位置與預(yù)測(cè)軌跡關(guān)聯(lián)。

在其中一個(gè)實(shí)施例中，預(yù)測(cè)軌跡生成模塊400根據(jù)目標(biāo)與偽裝干擾在圖像中的相對(duì)位置以及歷史信息，生成預(yù)測(cè)軌跡，歷史信息包括目標(biāo)的歷史圖像位置、偽裝干擾的歷史圖像位置、偽裝目標(biāo)的歷史個(gè)數(shù)以及目標(biāo)與偽裝干擾在歷史圖像中相對(duì)位置。

如圖4所示，在其中一個(gè)實(shí)施例中，圖像目標(biāo)跟蹤系統(tǒng)還包括：

記錄模塊300，用于記錄目標(biāo)與偽裝干擾在圖像中的相對(duì)位置。

以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。