一種大場景中的小目標抗遮擋跟蹤方法
【技術(shù)領(lǐng)域】
[0001 ]本發(fā)明涉及目標跟蹤方法，具體涉及一種大場景中的小目標抗遮擋跟蹤方法，屬 于智能信息處理和目標跟蹤技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 基于視頻的運動目標跟蹤是計算機視覺、圖像處理、人工智能等領(lǐng)域廣泛關(guān)注的 內(nèi)容之一，在智能監(jiān)控、智能交通等領(lǐng)域有著極其重要的應(yīng)用價值?；谝曨l的運動目標跟 蹤是指運用智能跟蹤算法跟蹤出現(xiàn)在視頻中的目標。目標跟蹤技術(shù)以人工智能技術(shù)代替人 力，減輕了工作人員負擔(dān)，提高了工作效率。
[0003] 基于視頻的目標跟蹤應(yīng)用場景不固定，因此在目標跟蹤領(lǐng)域存在一些難以解決的 問題。經(jīng)典的目標跟蹤算法如TLD、Struck等依賴于視頻中所含目標信息的豐富程度，在大 場景中小目標像素少分辨率低的情形下難以正常工作，如果在場景中有遮擋，這些經(jīng)典算 法更是無能為力，因此本發(fā)明所提出的算法主要致力于解決如下兩個問題：（1)監(jiān)控攝像機 距離需要跟蹤的目標較遠時，場景較大而目標較小，能獲得的目標信息較少，目標特征不明 顯；（2)對大場景中的小目標進行跟蹤，當(dāng)場景中有遮擋物時，會出現(xiàn)整個目標被遮擋的狀 況，會導(dǎo)致跟蹤的目標丟失。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是為了解決現(xiàn)有技術(shù)對于大場景下小目標的跟蹤過程中獲得的目 標信息較少，目標特征不明顯，出現(xiàn)遮擋物時，導(dǎo)致跟蹤目標丟失的問題。
[0005] 本發(fā)明的技術(shù)方案是:一種大場景中的小目標抗遮擋跟蹤方法，包括以下步驟：
[0006] 步驟一、利用目標檢測方法檢測前to幀圖像中目標所在的位置；.
[0007] 步驟二、從第to+?幀圖像開始，判斷目標是否被遮擋，若目標被遮擋，進入步驟三， 若目標未被遮擋，進入步驟四；
[0008] 步驟三、利用目標軌跡預(yù)測方法對目標的位置進行預(yù)測跟蹤；
[0009] 步驟四、將目標檢測方法與目標軌跡預(yù)測方法結(jié)合的跟蹤方法確定目標的準確位 置。
[0010] 所述步驟一具體包括:定義一個二維高斯函數(shù)g(x，y);建立t時刻的狀態(tài)變量模型 Xt、t時刻到t+Ι時刻的一步轉(zhuǎn)移矩陣F、狀態(tài)變量與輸出信號之間的增益矩陣E、系統(tǒng)噪聲方 差陣Q、觀測噪聲的方差陣R和t時刻狀態(tài)變量的均方值初始值P t。
[0011] 步驟二所述判斷目標是否被遮擋的方法為對目標檢測方法中互相濾波結(jié)果進行 上下文敏感閾值判定，使之不僅能判斷目標所在位置，還能判斷檢測到的目標是否已經(jīng)被 遮擋。
[0012] 所述步驟四具體包括:通過目標檢測方法檢測目標所在的位置，利用目標軌跡預(yù) 測方法對目標軌跡進行預(yù)測，并將所述目標檢測方法檢測目標所在的位置作為觀測值輸入 到目標軌跡預(yù)測過程，對目標軌跡預(yù)測方法的預(yù)測值進行校正，得到目標的準確位置。
[0013] 所述目標檢測方法為互相關(guān)濾波目標檢測方法。
[0014] 所述目標軌跡預(yù)測方法為卡爾曼濾波軌跡預(yù)測方法。
[0015] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下效果:本發(fā)明創(chuàng)造性的將目標檢測方法與目標軌 跡預(yù)測方法相結(jié)合，解決了小目標被遮擋時的跟蹤丟失的問題，提高了跟蹤的可靠性。本發(fā) 明通過對目標檢測方法中互相關(guān)濾波結(jié)果進行上下文敏感閾值判定，得到了一種判斷目標 是否進入遮擋區(qū)域的方法，有效的解決了目標遮擋的判定問題。
【附圖說明】
[0016] 圖1，本發(fā)明的流程圖；
[0017] 圖2,本發(fā)明目標圖像空間上下文示意圖。
【具體實施方式】
[0018] 結(jié)合【附圖說明】本發(fā)明的【具體實施方式】，本發(fā)明的一種大場景中的小目標抗遮擋跟 蹤方法，包括以下步驟：
[0019] 步驟一、利用目標檢測方法檢測前to幀圖像中目標所在的位置，其檢測結(jié)果用來 初始化目標軌跡預(yù)測方法，具體包括：
[0020] 首先、目標檢測方法需預(yù)定義一個二維高斯函|
[0021 ]其次、建立目標軌跡預(yù)測方法所需模型，包括:t時刻的狀態(tài)變量_
t時刻到 t + Ι時刻的一步轉(zhuǎn)移矩P
，狀態(tài)變量與輸出信號之間的增益矩陣
系統(tǒng)噪聲的方差陣
，觀測噪聲的方差陣
?，t時刻狀態(tài)變量的均方值的初始
[0022]若開始時目標即被遮擋，則目標跟蹤無意義，所以本實施方式假設(shè)目標跟蹤的前 期不會出現(xiàn)遮擋，所以在前to幀圖像中，只采用目標檢測方法對目標進行檢測跟蹤，本實施 方式用目標在第to幀圖像中的位置初始化目標軌跡預(yù)測方法中狀態(tài)變量的x、y分量，用目 標在前to幀中位置差的均值作為目標軌跡預(yù)測方法中狀態(tài)變量的 Vx、Vy分量。
[0023]所述目標檢測方法的原理是互相關(guān)濾波，即g (X，y) = h (X，y) *f (X，y)，其中*表示 卷積運算，f (x，y)表示輸入信號，h(x，y)表示濾波器，g(x，y)表示響應(yīng)輸出，h(x，y)與f (X， y)越相似，這兩個變量作卷積得到的響應(yīng)輸出g(x，y)就越大。可以采用快速傅里葉變換 (FFT:Fast Fourier Transform)提高卷積運算的速度。
[0024]首先，在跟蹤過程開始之前根據(jù)實際需要設(shè)定判斷基準值to,判斷視頻幀數(shù)是否 大于to，如果不大于to，則運行目標檢測方法，具體包括以下步驟：
[0025] 步驟1-1、在視頻起始幀t = l手動選擇目標，取目標圖像空間上下文f(x，y)，如圖2 所示，表示以目標為中心，兩倍于目標大小的圖像，即取互相關(guān)濾波運算的輸入信號;其中g(shù) (義，7)、;^1，7)是定義在區(qū)間乂：|^112]和￥:[7172]上的離散函數(shù)，如圖2所示，區(qū)間乂、￥代表 一幀視頻中目標圖像空間上下文的空間范圍；
[0026] 步驟1-2、基于g(x，y) =h(x，y)*f(x，y)，由卷積定理可得
實 中H(u，v)為濾波器h(x，y)的傅立葉變換。用快速傅里葉變換將二維高斯函數(shù)g(x，y)和目標 圖像空間上下文f (X，y)轉(zhuǎn)換到頻域進行計算，得到濾波器在頻域的初始值Ht (u，v)，本實施 方式將起始幀的濾波器存儲為Hs(u，v);
[0027] 步驟1-3、在下一幀即第t+1幀圖像中的原目標位置取目標圖像空間上下文ft+1(x， y)，因為f t+1(x，y)是兩倍于目標大小的圖像，所以ft+1(x，y)中依然包含目標區(qū)域，只是目標 位置因為運動發(fā)生了偏移；
[0028] 步驟1-4、對第t+Ι幀圖像取出的ft+1(x，y)做快速傅里葉變換并將其與第t幀圖像 求得的H t(u，v)相乘，對相乘的結(jié)果求快速傅立葉變換的逆變換得到8'（1，7)，具體通過下 式實現(xiàn)：
[0029] g,(x,y) = IFFT[FFT(ft+i(x,y)) · Ht(u,v)]；
[0030] 所述g'（x，y)表示用目標圖像空間上下文與濾波器作卷積運算得到的新的高斯函 數(shù)，其與預(yù)定義的高斯函數(shù)的區(qū)別是其最大值點發(fā)生了偏移。
[0031] 步驟1-5、因ft+1(x，y)中目標圖像的位置發(fā)生了偏移，g'（x，y)的最大值點即二維 高斯函數(shù)的中心也發(fā)生了同樣的偏移，找到最大值點所在的位置就找到了目標在第t+Ι幀 圖像中的位置，取該位置目標圖像空間上下文f