本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，具體涉及一種基于計(jì)算機(jī)視覺的無人機(jī)目標(biāo)跟蹤框初始化方法。

背景技術(shù)：

目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域中一個(gè)重要的技術(shù)，在軍事、醫(yī)療、監(jiān)控以及人機(jī)交互中有著重要的應(yīng)用。它融合了圖像處理、模式識別、人工智能及自動(dòng)控制等多種不同技術(shù)的綜合性應(yīng)用技術(shù)，廣泛應(yīng)用于各種領(lǐng)域中。而對于目標(biāo)跟蹤來說，有眾多的跟蹤算法，它們大多采用跟蹤框的方法來進(jìn)行跟蹤。

在跟蹤框?qū)δ繕?biāo)進(jìn)行跟蹤的過程中，跟蹤框要在每一幀畫面當(dāng)中進(jìn)行更新。并且初始跟蹤框往往會作為算法中的匹配模板，因此初始化跟蹤框?qū)罄m(xù)的跟蹤算法有著重要的影響。

在消費(fèi)級無人機(jī)的目標(biāo)跟蹤的應(yīng)用技術(shù)中，初始跟蹤框往往是由用戶來進(jìn)行人為設(shè)定的，在用戶手動(dòng)選取初始跟蹤框后，直接將其代入算法進(jìn)行使用。但是用戶人為設(shè)定的跟蹤框會出現(xiàn)跟蹤框相對于目標(biāo)設(shè)置的過大，會將周圍背景物體框選在內(nèi)，或者過小從而未能完全將目標(biāo)框選在內(nèi)的現(xiàn)象。這樣造成初始跟蹤框會包含過多的無用背景信息，對后續(xù)算法造成干擾，或者造成初始跟蹤框包含信息不足，影響后續(xù)算法的匹配精度，從而降低了目標(biāo)跟蹤的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：提出一種基于計(jì)算機(jī)視覺的無人機(jī)目標(biāo)跟蹤框初始化方法，解決傳統(tǒng)技術(shù)采用人為選取初始跟蹤框的方式可能存在初始框包含過多無用背景信息造成干擾或者包含有用信息不足而影響準(zhǔn)確性的問題。

本發(fā)明解決上述技術(shù)問題所采用的方案是：

基于計(jì)算機(jī)視覺的無人機(jī)目標(biāo)跟蹤框初始化方法，包括以下步驟：

a.對用戶手動(dòng)選取的初始框進(jìn)行自適應(yīng)放大獲得填充框；

b.獲取填充框的邊緣響應(yīng)圖；

c.在填充框范圍內(nèi)的不同位置對用戶手動(dòng)選取的初始框做窗口滑動(dòng)，并進(jìn)行尺度縮放，產(chǎn)生N個(gè)窗口；

d.基于用戶手動(dòng)選取的初始框?qū)Ξa(chǎn)生的N個(gè)窗口進(jìn)行重疊率篩選；

e.利用邊緣響應(yīng)圖，對篩選過后的窗口進(jìn)行基于輪廓密度的評分，選取評分最高的窗口作為最優(yōu)的目標(biāo)跟蹤框。

作為進(jìn)一步優(yōu)化，步驟a中，設(shè)鏡頭拍攝得到的圖像尺寸高度和寬度分別為h_o和w_o，用戶人為設(shè)定的初始框高度和寬度為h和w，人為設(shè)定的初始框的中心坐標(biāo)位置為(x,y)，要產(chǎn)生的填充框尺寸要大于人為設(shè)定的初始框，記填充框的高度和寬度為h_p和w_p，其中心坐標(biāo)位置為(x_p,y_p)，則有：

其中r和k均為常數(shù)，可以根據(jù)實(shí)際應(yīng)用場景來進(jìn)行設(shè)定。

作為進(jìn)一步優(yōu)化，步驟b中，利用基于結(jié)構(gòu)化隨機(jī)森林的邊緣響應(yīng)，獲得填充框的邊緣響應(yīng)圖。

作為進(jìn)一步優(yōu)化，步驟c具體包括：

c1.記填充框的左上角的頂點(diǎn)為原點(diǎn)，用戶人為設(shè)定的初始框高度和寬度為h和w，預(yù)先設(shè)定高度縮放因子為scaleh，其為(1×n)的向量，寬度縮放因子為scalew，其為(1×m)的向量；

c2.從填充框的左上角開始，對初始框做步長為(△x,△y)的窗口滑動(dòng)，每一次移動(dòng)窗口，均按照預(yù)先設(shè)定的高度縮放因子和寬度縮放因子進(jìn)行縮放，則每次移動(dòng)時(shí)都將會產(chǎn)生(n×m)個(gè)大小不同的窗口，窗口在整個(gè)填充框上滑動(dòng)后，將會產(chǎn)生N個(gè)窗口：

作為進(jìn)一步優(yōu)化，步驟d中，所述基于用戶手動(dòng)選取的初始框?qū)Ξa(chǎn)生的N個(gè)窗口進(jìn)行重疊率篩選，具體包括：

在產(chǎn)生的N個(gè)窗口中，若某個(gè)窗口與初始框的重疊率小于設(shè)定閾值，則將該窗口剔除。

作為進(jìn)一步優(yōu)化，所述重疊率的計(jì)算如下：

設(shè)S3為產(chǎn)生的某個(gè)窗口與初始框的重疊區(qū)域的面積，S₁為該窗口的面積減去S₃，S2為初始框的面積減去S3，則該窗口與初始框的重疊率的計(jì)算公式為：

作為進(jìn)一步優(yōu)化，步驟e具體包括：

e1.在篩選之后的剩余窗口中對每一個(gè)窗口內(nèi)的輪廓進(jìn)行計(jì)數(shù)：

設(shè)窗口內(nèi)的總輪廓數(shù)為Q，其中跨越初始框四條邊界的輪廓數(shù)量為W,則完全閉合在窗口內(nèi)的輪廓數(shù)量為I＝Q-W；

e2.對每一個(gè)窗口進(jìn)行基于輪廓密度的評分，評分規(guī)則如下：

其中s為窗口評分，L為窗口的周長；

e3.選取評分最高的窗口作為最優(yōu)的目標(biāo)跟蹤框。

本發(fā)明的有益效果是：

(1)自適應(yīng)獲取填充框可以有效的將目標(biāo)物框選在填充框內(nèi)，相比于通過固定比例擴(kuò)大初始框來獲取填充框的方法，本發(fā)明中的方法可以通過自適應(yīng)來實(shí)現(xiàn)，可以適用不同的用戶習(xí)慣和要求，無論用戶手選框較大較小，都可以產(chǎn)生大小合適的填充框；

(2)本發(fā)明可以較好的修正用戶的手選框，使得最終產(chǎn)生的目標(biāo)跟蹤框既能夠?qū)⒏櫮繕?biāo)完全框選在內(nèi)，又不會框選過多背景物體，為后續(xù)的跟蹤算法提供了良好的跟蹤框；

(3)本發(fā)明不僅適用于無人機(jī)目標(biāo)跟蹤框的初始化，通過設(shè)定合適的參數(shù)，還可以適用于多種應(yīng)用場景下的目標(biāo)跟蹤。

附圖說明

圖1為本發(fā)明實(shí)施例中無人機(jī)目標(biāo)跟蹤框初始化方法流程圖；

圖2為用戶人為設(shè)定初始框示意圖；

圖3為用戶設(shè)定初始框過小情況下自適應(yīng)產(chǎn)生的填充框示意圖；

圖4為用戶設(shè)定初始框過大情況下自適應(yīng)產(chǎn)生的填充框示意圖；

圖5為窗口滑動(dòng)示意圖；

圖6為重疊率示意圖。

具體實(shí)施方式

本發(fā)明旨在提出一種基于計(jì)算機(jī)視覺的無人機(jī)目標(biāo)跟蹤框初始化方法，解決傳統(tǒng)技術(shù)采用人為選取初始跟蹤框的方式可能存在初始框包含過多無用背景信息造成干擾或者包含有用信息不足而影響準(zhǔn)確性的問題。

其核心思想為：在用戶手動(dòng)選取初始框后，對初始框進(jìn)行自適應(yīng)放大產(chǎn)生填充框，并產(chǎn)生填充框的輪廓響應(yīng)圖，然后在填充框內(nèi)對初始框做多尺寸窗口滑動(dòng)產(chǎn)生不同大小的窗口，最后對這些窗口進(jìn)行篩選后，利用數(shù)字圖像的邊緣響應(yīng)圖，分析不同窗口內(nèi)的輪廓密度，并進(jìn)行評分排序，從中挑選出最優(yōu)的目標(biāo)跟蹤框。

下面結(jié)合附圖及實(shí)施例對本發(fā)明的方案作進(jìn)一步的描述：

如圖1所示，本實(shí)施例中的基于計(jì)算機(jī)視覺的無人機(jī)目標(biāo)跟蹤框初始化方法包括以下實(shí)現(xiàn)步驟：

(1)自適應(yīng)獲取填充框：

首先根據(jù)用戶手動(dòng)選取的初始框，將其進(jìn)行自適應(yīng)放大，獲得填充框。用戶在進(jìn)行設(shè)定初始框時(shí)，有可能會將框設(shè)置的相對于目標(biāo)過大或者過小，造成無法將整個(gè)目標(biāo)框選在內(nèi)，或者框選了其他太多無用信息。如圖2中，兩個(gè)虛線框?yàn)樵O(shè)定不合理的初始框，分別相對于跟蹤目標(biāo)過大或者過小，而實(shí)線框?yàn)槔硐氲某跏几櫩?，大小和跟蹤目?biāo)尺寸相近，并能夠?qū)⒏櫮繕?biāo)框選在內(nèi)。

為了后續(xù)算法處理的需要，現(xiàn)對初始框進(jìn)行放大來獲取填充框。為了保證填充框能夠?qū)⒛繕?biāo)完全框選在框內(nèi)，需要對用戶設(shè)定的初始框進(jìn)行自適應(yīng)縮放。設(shè)鏡頭拍攝得到的圖像尺寸高寬分別為h_o和w_o，用戶人為設(shè)定的初始框高度和寬度為h和w，人為設(shè)定的初始框的中心坐標(biāo)位置為(x,y)。而要產(chǎn)生的填充框尺寸要大于人為設(shè)定的初始框。記填充框的高度和寬度為h_p和w_p，其中心坐標(biāo)位置為(x_p,y_p),則有：

其中r和k均為常數(shù)，可以根據(jù)實(shí)際應(yīng)用場景來進(jìn)行設(shè)定。通過上式，便可以實(shí)現(xiàn)手動(dòng)選取框的自適應(yīng)化放大，即當(dāng)用戶設(shè)定的初始框過小的時(shí)候，可以得到較大的填充框，如果用戶設(shè)定的初始框較大，那么填充框相對于初始框?qū)⒉粫糯筇蟊稊?shù)。由此得到的填充框效果如圖3和圖4中所示，圖3中，虛線框?yàn)橛脩粼O(shè)定的較小的初始框，實(shí)線框?yàn)樘畛淇?，所產(chǎn)生的填充框進(jìn)行過適度的放大，因?yàn)橛脩粼O(shè)定的初始框較小，所以填充框相對于初始框放大了較大的倍數(shù)，并將跟蹤目標(biāo)包含在內(nèi)。圖4為用戶設(shè)定框過大時(shí)的情況。其中虛線框代表用戶人為設(shè)定的較大初選框，實(shí)線框?yàn)樘畛淇?，所產(chǎn)生的填充框經(jīng)過適度放大，因?yàn)橛脩粼O(shè)定的初始框已經(jīng)較大，所以填充框相對于初始框僅放大了較小的倍數(shù)。

(2)獲取邊緣響應(yīng)圖：

利用基于結(jié)構(gòu)化隨機(jī)森林的邊緣響應(yīng)，獲得填充框的邊緣響應(yīng)圖，這種獲取邊緣的方法速度較快，并能夠獲得較為清晰的邊緣輪廓。

(3)窗口滑動(dòng)：

因?yàn)槌跏伎虿]有做到最優(yōu)的包含跟蹤目標(biāo)，所以需要在填充框內(nèi)做多尺寸的窗口滑動(dòng)，選擇最優(yōu)初始跟蹤框。在填充框內(nèi)，從左上角開始做窗口滑動(dòng)。以用戶手動(dòng)選取初始框?yàn)槌跏即翱?，在填充框?nèi)不同的位置，產(chǎn)生不同的長寬比，不同大小的窗口。

具體的方法為：記填充框的左上角的頂點(diǎn)為原點(diǎn)，用戶人為設(shè)定的初始框高度和寬度仍為h和w。預(yù)先設(shè)定高度縮放因子為scaleh，其為(1×n)的向量，寬度縮放因子為scalew，其為(1×m)的向量。現(xiàn)將從填充框的左上角，開始做步長為(△x,△y)的窗口滑動(dòng)，每一次移動(dòng)窗口，都要做窗口做大小的變化，那么每次移動(dòng)時(shí)都將會產(chǎn)生(n×m)個(gè)大小不同的窗口，窗口在整個(gè)填充框上滑動(dòng)后，將會產(chǎn)生N個(gè)窗口。

滑動(dòng)產(chǎn)生的窗口如圖5所示，其中實(shí)線框?yàn)樘畛淇?，而虛線框則為窗口滑動(dòng)時(shí)所產(chǎn)生的窗口。

(4)重疊率篩選：

用戶在進(jìn)行手動(dòng)選取初始框，其初始框的位置基本準(zhǔn)確，而在產(chǎn)生N個(gè)窗口中，可以利用重疊率對窗口進(jìn)行篩選，如果窗口和手動(dòng)選取的初始框的重疊率過小，將其篩除。而重疊率的具體定義如下。

如圖6，有兩個(gè)矩形框?yàn)榫匦慰?和矩形框2，其中S₃區(qū)域?yàn)閮蓚€(gè)矩形重疊區(qū)域的面積，S₁區(qū)域?yàn)榫匦慰?的面積減去S₃，S₂區(qū)域?yàn)榫匦慰?的面積減去S₃，那么重疊率的計(jì)算公式為：

計(jì)算N個(gè)窗口與用戶手選初始框的重疊率(將滑動(dòng)產(chǎn)生的某個(gè)窗口作為矩形框1，將初始框作為矩形框2通過上述公式即可進(jìn)行計(jì)算)，通過設(shè)定閾值，將重疊率小于一定閾值的窗口剔除，即剔除掉與用戶手選初始框位置相差較遠(yuǎn)的框。通過篩選剔除掉M個(gè)窗口，剩下的窗口將進(jìn)行基于輪廓密度的評分排序。

(5)輪廓密度評分：

利用邊緣響應(yīng)圖，對篩選剩下的N-M個(gè)窗口進(jìn)行基于輪廓密度的評分。計(jì)算方法為：對窗口內(nèi)的輪廓進(jìn)行計(jì)數(shù)，設(shè)窗口內(nèi)的總輪廓數(shù)為Q，其中跨越初始框四條邊界的輪廓數(shù)量為W,那么完全閉合在窗口內(nèi)的輪廓數(shù)量為I＝Q-W。

對經(jīng)過重疊率篩選的窗口統(tǒng)計(jì)閉合輪廓數(shù)，并對每一個(gè)窗口進(jìn)行基于輪廓密度的評分，評分規(guī)則如下：

其中L為窗口的周長，s為窗口評分?；谠u分s進(jìn)行窗口選取，選取評分最高的窗口作為最終優(yōu)化的初始跟蹤框。