一種基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于視頻圖像分析領(lǐng)域，具體涉及一種基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè) 方法。
【背景技術(shù)】
[0002] 隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，目標(biāo)跟蹤在現(xiàn)實(shí)生活中的應(yīng)用越來(lái)越廣泛。同時(shí)目 標(biāo)跟蹤作為計(jì)算機(jī)視覺(jué)領(lǐng)域中的熱點(diǎn)研究課題，一直得到研究學(xué)者的普遍關(guān)注和積極投 入。目標(biāo)跟蹤一般是指基于視頻序列的目標(biāo)跟蹤，目的是在一系列的圖像中對(duì)目標(biāo)物體進(jìn) 行檢測(cè)、提取、識(shí)別和跟蹤，從而獲得目標(biāo)物體的相關(guān)參數(shù)，如位置、速度、尺度、軌跡等;進(jìn) 而根據(jù)跟蹤結(jié)果進(jìn)行進(jìn)一步的處理和分析，實(shí)現(xiàn)對(duì)目標(biāo)物體的行為理解，或者完成更高一 級(jí)的任務(wù)。
[0003] 盡管目標(biāo)跟蹤技術(shù)有著廣闊的應(yīng)用價(jià)值和研究前景，研究人員也已經(jīng)對(duì)相關(guān)課題 研究了多年，并且取得了一定的成果，但是目標(biāo)跟蹤技術(shù)在實(shí)際應(yīng)用過(guò)程中仍然會(huì)遇到很 多技術(shù)難點(diǎn)。要克服目標(biāo)跟蹤中經(jīng)常出現(xiàn)的難點(diǎn)問(wèn)題，設(shè)計(jì)一個(gè)魯棒性高的跟蹤算法依然 是一個(gè)很有挑戰(zhàn)性的問(wèn)題。而這些技術(shù)難點(diǎn)問(wèn)題主要包括：
[0004] (1)光照變化:跟蹤場(chǎng)景中的光照發(fā)生變化時(shí)，會(huì)使圖像中的像素變化，致使目標(biāo) 的外觀特征發(fā)生變化，從而影響目標(biāo)跟蹤的準(zhǔn)確性。光照變化又可分為均勻光照、局部光照 等等。
[0005] (2)目標(biāo)尺度變化：當(dāng)目標(biāo)距離攝像頭較近或較遠(yuǎn)時(shí)，會(huì)導(dǎo)致真實(shí)的目標(biāo)在尺度上 發(fā)生變化，影響初始框定的目標(biāo)區(qū)域內(nèi)特征的提取。
[0006] (3)目標(biāo)旋轉(zhuǎn)：目標(biāo)旋轉(zhuǎn)分為面內(nèi)旋轉(zhuǎn)和面外旋轉(zhuǎn)。會(huì)增加建立運(yùn)動(dòng)模型的難度， 甚至?xí)G失部分信息，增加了跟蹤的難度。
[0007] (4)背景復(fù)雜:背景復(fù)雜問(wèn)題一般體現(xiàn)在復(fù)雜凌亂的背景，尤其存在與目標(biāo)相似的 物體時(shí)的背景，給目標(biāo)物體的辨認(rèn)帶來(lái)了很大的不可靠性。
[0008] (5)目標(biāo)遮擋問(wèn)題:遮擋是目標(biāo)跟蹤中做常見(jiàn)的現(xiàn)象。按著遮擋程度劃分，目標(biāo)遮 擋分為局部遮擋和完全遮擋。
[0009] 在上面提到的所有難點(diǎn)問(wèn)題中，目標(biāo)遮擋是最具有挑戰(zhàn)性的問(wèn)題。其難點(diǎn)在于遮 擋發(fā)生的時(shí)間節(jié)點(diǎn)、遮擋物的大小、遮擋持續(xù)的時(shí)間、遮擋物出現(xiàn)的位置等參數(shù)都是不可預(yù) 知的。
[0010] 在當(dāng)前現(xiàn)有的目標(biāo)跟蹤算法中，雖然已經(jīng)有許多針對(duì)于目標(biāo)遮擋的解決方案，但 魯棒性并不夠強(qiáng)。比如基于邊緣特征的遮擋檢測(cè)和追蹤方法，此類算法通過(guò)檢測(cè)邊緣特征， 即遮擋時(shí)必定有大量的邊緣特征點(diǎn)被覆蓋，由此達(dá)到檢測(cè)遮擋的效果。但此方法極容易發(fā) 生誤檢，尤其是當(dāng)目標(biāo)物體發(fā)生形變時(shí)，檢測(cè)效果并不好。因此，設(shè)計(jì)一個(gè)魯棒性的目標(biāo)遮 擋檢測(cè)方法，依然是當(dāng)前的一個(gè)難點(diǎn)問(wèn)題。

【發(fā)明內(nèi)容】

[0011] 針對(duì)現(xiàn)有技術(shù)中存在的上述技術(shù)問(wèn)題，本發(fā)明提出了一種基于系數(shù)矩陣分析的目 標(biāo)遮擋檢測(cè)方法，設(shè)計(jì)合理，能夠很好的對(duì)跟蹤過(guò)程中目標(biāo)發(fā)生的遮擋做出檢測(cè)，同時(shí)大大 提高了跟蹤算法的魯棒性。
[0012] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0013] -種基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè)方法，按照如下步驟進(jìn)行：
[0014] 步驟1:導(dǎo)入要進(jìn)行目標(biāo)跟蹤的視頻序列，選取視頻序列的前N幀，對(duì)選取的前N幀 視頻序列進(jìn)行處理，得到初始的目標(biāo)模板序列T，同時(shí)將目標(biāo)模板分成η個(gè)大小相同的局部 塊；
[0015] 步驟2:輸入下一視頻幀，利用粒子濾波提取候選區(qū)域Υ，將候選區(qū)域也分成η個(gè)大 小相同的局部塊，在每一幀圖像中設(shè)置S個(gè)粒子，得到S個(gè)候選區(qū)域Υ;
[0016] 步驟3:利用稀疏編碼原理設(shè)定Υ = ΤΧ，求取每一個(gè)候選區(qū)域?qū)?yīng)的系數(shù)矩陣X，對(duì) 系數(shù)矩陣X進(jìn)行降維處理轉(zhuǎn)化為ηΧη維的矩陣，使系數(shù)矩陣的行和列分別與目標(biāo)模板和候 選區(qū)域的局部塊相對(duì)應(yīng)，然后通過(guò)最優(yōu)化方法選擇最優(yōu)的候選區(qū)域作為目標(biāo)區(qū)域，并將此 區(qū)域?qū)?yīng)的系數(shù)矩陣X保存；
[0017] 步驟4:對(duì)步驟3中保存的系數(shù)矩陣進(jìn)行分析，判斷當(dāng)前幀內(nèi)的目標(biāo)物體是否發(fā)生 了遮擋；
[0018] 若:判斷結(jié)果是當(dāng)前幀內(nèi)的目標(biāo)物體沒(méi)有發(fā)生遮擋，則對(duì)目標(biāo)模板序列進(jìn)行更新， 然后執(zhí)行步驟5;
[0019]或當(dāng)前幀內(nèi)的目標(biāo)物體發(fā)生遮擋，則直接執(zhí)行步驟5;
[0020] 判斷當(dāng)前幀內(nèi)的目標(biāo)物體是否發(fā)生遮擋的步驟，具體包括：
[0021] 步驟4.1:對(duì)步驟3中保存的系數(shù)矩陣的第1列進(jìn)行分析，首先獲取第1列包含的對(duì) 角線元素 a，然后求取除去對(duì)角線元素 a后剩余元素中最大的元素 b;
[0022] 步驟4.2:計(jì)算第1列中所有元素之和，記為s;
[0023]步驟4.3:設(shè)定兩個(gè)閾值α和β，若滿足下列條件：
[0024]
[0025] 則認(rèn)為當(dāng)前列所對(duì)應(yīng)的目標(biāo)局部塊發(fā)生了遮擋；
[0026] 步驟4.4:重復(fù)步驟4.1-4.3，對(duì)系數(shù)矩陣余下的n-Ι列依次進(jìn)行判斷；
[0027] 步驟4.5:對(duì)系數(shù)矩陣的所有列判斷結(jié)束之后，統(tǒng)計(jì)候選區(qū)域中被認(rèn)定為發(fā)生了遮 擋的局部塊的數(shù)目，若發(fā)生遮擋的數(shù)目小于局部塊總數(shù)的一半，則認(rèn)為目標(biāo)物體當(dāng)前發(fā)生 了局部遮擋，否則認(rèn)為目標(biāo)物體當(dāng)前發(fā)生了全局遮擋；
[0028] 步驟5:判斷當(dāng)前幀是否該視頻序列的最后一幀；
[0029]若:判斷結(jié)果是當(dāng)前幀不是該視頻序列的最后一幀，則執(zhí)行步驟2;
[0030] 或當(dāng)前幀是該視頻序列的最后一幀，則檢測(cè)結(jié)束。
[0031] 優(yōu)選地，在步驟1中，具體包括
[0032] 步驟1.1:對(duì)視頻序列的第1幀進(jìn)行手動(dòng)標(biāo)記，提取出第1幀內(nèi)包含的目標(biāo)區(qū)域；
[0033] 步驟1.2:對(duì)提取的目標(biāo)區(qū)域進(jìn)行分割，分成η個(gè)局部塊，每個(gè)局部塊內(nèi)都包含有目 標(biāo)區(qū)域的不同位置的特征信息；
[0034] 步驟1.3:將得到的η個(gè)局部塊進(jìn)行標(biāo)準(zhǔn)化，都轉(zhuǎn)化為相同的尺寸；
[0035] 步驟1.4:對(duì)視頻序列的第2到第Ν幀，重復(fù)步驟1.1-步驟1.3,最終得到ΝΧη個(gè)局部 塊，然后通過(guò)字典學(xué)習(xí)，獲得初始的目標(biāo)模板序列Τ。
[0036] 優(yōu)選地，在步驟3中，具體包括
[0037] 步驟3.1:根據(jù)步驟1中對(duì)目標(biāo)區(qū)域的分塊方式，將S個(gè)候選區(qū)域Υ也分成η個(gè)大小相 同的局部塊，同樣轉(zhuǎn)化成相同的尺寸；
[0038]步驟3.2:利用稀疏編碼原理設(shè)定Υ = ΤΧ，求得每一個(gè)候選區(qū)域?qū)?yīng)的系數(shù)矩陣X; [0039]步驟3.3:將系數(shù)矩陣X進(jìn)行降維處理，轉(zhuǎn)化為η X η維的矩陣，使得此系數(shù)矩陣的行 數(shù)對(duì)應(yīng)目標(biāo)模板的η個(gè)局部塊，列數(shù)對(duì)應(yīng)候選區(qū)域的η個(gè)局部塊；
[0040]步驟3.4:對(duì)S個(gè)η Χη維的矩陣的對(duì)角線上的元素相加求和，選取和最大的矩陣所 對(duì)應(yīng)的目標(biāo)區(qū)域?yàn)檎鎸?shí)目標(biāo)區(qū)域；
[0041 ]步驟3.5:將選取的真實(shí)目標(biāo)區(qū)域?qū)?yīng)的系數(shù)矩陣進(jìn)行存儲(chǔ)。
[0042]本發(fā)明所帶來(lái)的有益技術(shù)效果：
[0043] 本發(fā)明提出了一種基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè)方法，與現(xiàn)有技術(shù)相比，一 種基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè)方法，從稀疏編碼中的稀疏系數(shù)的角度出發(fā)，將系數(shù) 矩陣的每一列分別進(jìn)行分析，利用列向量中的元素在當(dāng)前列所有元素之和中所占的比例， 判斷出當(dāng)前列對(duì)應(yīng)的目標(biāo)區(qū)域的局部塊是否發(fā)生了遮擋;本發(fā)明根據(jù)判斷出的每一個(gè)局部 塊的結(jié)果，進(jìn)一步判斷目標(biāo)物體在這一幀內(nèi)是發(fā)生了局部遮擋還是完全遮擋，能夠很好的 檢測(cè)出目標(biāo)跟蹤過(guò)程中遮擋的發(fā)生，為后續(xù)的目標(biāo)跟蹤算法提供了良好的基礎(chǔ)。
【附圖說(shuō)明】
[0044] 圖1為本發(fā)明基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè)方法的流程框圖。
[0045] 圖2為本發(fā)明中目標(biāo)模板和候選區(qū)域局部塊的劃分方式示意圖。
[0046] 圖3為本發(fā)明通過(guò)對(duì)稀疏系數(shù)矩陣分析來(lái)判斷是否遮擋的流程框圖。
【具體實(shí)施方式】
[0047] 下面結(jié)合附圖以及【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步詳細(xì)說(shuō)明：
[0048] 為了解決目標(biāo)跟蹤過(guò)程中遮擋場(chǎng)景對(duì)跟蹤結(jié)果的影響，提高目標(biāo)跟蹤算法的魯棒 性，本發(fā)明提出了一種基于系數(shù)矩陣分析的目標(biāo)遮擋檢測(cè)方法(如圖1所示），按照如下步驟 進(jìn)行：
[0049] 步驟1:導(dǎo)入要進(jìn)行目標(biāo)跟蹤的視頻序列，選取視頻序列的前Ν幀，對(duì)選取的前Ν幀 視頻序列進(jìn)行處理，得到初始的目標(biāo)模板序列Τ，同時(shí)將目標(biāo)模板分成η個(gè)大小相同的局部 塊；
[0050] 步驟2:輸入下一視頻幀，利用粒子濾波提取候選區(qū)域Υ，將候選區(qū)域也分成η個(gè)大 小相同的局部塊，在每一幀圖像中設(shè)置S個(gè)粒子，得到S個(gè)候選區(qū)域Υ;
[0051] 步驟3:利用稀疏編碼原理設(shè)定Υ = ΤΧ，求取每一個(gè)候選區(qū)域?qū)?yīng)的系數(shù)矩陣X，對(duì) 系數(shù)矩陣X進(jìn)行降維處理轉(zhuǎn)化為ηΧη維的矩陣，使系數(shù)矩陣的行和列分別與目標(biāo)模板和候 選區(qū)域的局部塊相對(duì)應(yīng)，然后通過(guò)最優(yōu)化方法選擇最優(yōu)的候選區(qū)域作為目標(biāo)區(qū)域，并將此 區(qū)域?qū)?yīng)的系數(shù)矩陣X保存；
[0052] 步驟4:對(duì)步驟3中保存的系數(shù)矩陣進(jìn)行分析，判斷當(dāng)前幀內(nèi)的目標(biāo)物體是否發(fā)生 了遮擋；
[0053] 若:判斷結(jié)果是當(dāng)前幀內(nèi)的目標(biāo)物體沒(méi)有發(fā)生遮擋，則對(duì)目標(biāo)模板序列進(jìn)行更新， 然后執(zhí)行步驟5;
[0054]或當(dāng)前幀內(nèi)的目標(biāo)物體發(fā)生遮擋，則直接執(zhí)行步驟5;
[0055] 步驟5:判斷當(dāng)前幀是否該視頻序列的最后一幀；
[0056] 若:判斷結(jié)果是當(dāng)前幀不是該視頻序列的最后一幀，則執(zhí)行步驟2;
[0057]或當(dāng)前幀是該視頻序列的最后一幀，則檢測(cè)結(jié)束。
[0058]下面展開(kāi)具體說(shuō)明。
[0059] 本方法在對(duì)稀疏系數(shù)矩陣進(jìn)行分析之前，先將目標(biāo)模板和候選區(qū)域都按相同的方 式分成若干個(gè)局部塊(如圖2所示）。每一個(gè)局部塊都包含了目標(biāo)物體不同位置的特征信息， 這樣就保留了目標(biāo)物體的局部特征，同時(shí)每一個(gè)局部塊在目標(biāo)物體上的空間位置和排列方 式是固定的，又很好的體現(xiàn)出了目標(biāo)物體的空間特征和全局特征。所以在進(jìn)行