一种多目标跟踪的方法技术

本发明专利技术公开了一种多目标跟踪的方法，所述方法包括：在第一帧视频中检测一个或多个跟踪目标，从第一帧视频提取特征，训练分类器，使用训练的分类器从第二帧视频检测一个或多个跟踪目标，从第二帧视频提取特征，确定从第一帧视频提取的特征与从第二帧视频提取的特征之间的第一匹配度，基于所述分类器检测的所述一个或多个跟踪目标的结果和所述第一匹配度，确定所述一个或多个跟踪目标在第二帧视频中的位置。本发明专利技术能够对多个目标进行跟踪，并且能够改善多目标跟踪中“跟丢”和/或“跟错”的问题，提高多目标跟踪的准确性。

【技术实现步骤摘要】
一种多目标跟踪的方法
本专利技术涉及信息
，具体涉及一种多目标跟踪的方法。
技术介绍
视频中多目标(人)的追踪效果由于受到多种因素的影响，如：复杂背景，光照，形变，运动方向，遮挡，合并，分离等，致使实现高效可靠的多目标(人)跟踪成为一个较为困难的问题。目前实现多目标跟踪方法之一是：利用稳定的特征空间，如目标的颜色，对比度，方向梯度直方图等特征，建立跟踪队列，以窗口滑动的方式进行跟踪。但由于存在上述的诸多影响因素，目标稳定的特征较难提取。另一方面，一些基于“检测的跟踪”方法应用在单目标跟踪中，其本质是一个在线的二元判别分类器，通过跟踪目标的当前位置，在目标的一定邻域内给出正负样本，训练分类器，预测下一帧目标可能出现的位置并用分类器进行判断，在最大可能性出现的位置上如果判断为正，则视为跟踪到目标，如此递进地对目标实现跟踪。然而，样本的选取并非总是非常精准，有时(甚至经常)会产生一定的偏差，于是，由此偏差样本训练出的分类器在预测目标的下一位置时亦会产生一定的偏差，如果对此偏差不能很好地进行控制或修正，分类器的判别能力就会退化，经过一段时间的累积，则会产生目标“漂移”的后果。所谓漂移，是指错误地成为物体模型一部分的像素将模型拉离正确的位置致使跟踪目标失真的现象。鉴于目标“漂移”这一现象，BorisBabenko等人提出了利用“在线的多事例学习”(OnlineMultipleInstanceLearning)方法来加强目标跟踪的稳定性。在多事例学习方法中，“事例”是指学习或训练的样本。一般算法中，样本是以一个个的单体形式出现，而在多事例学习算法中，学习或训练时样本是以集合(即“包”)的形式出现，一个标记对应一个包而非一个样本，若包中含有至少一个正样本，则此包标记为“正包”，否则为“负包”。此算法的目标是通过训练，学习得到正包中哪个目标是“最正确”。而包中的多个样本也使得学习与训练有更大的选择性，训练出的分类器具有更准确的判别性以解决目标“漂移”问题。现有的跟踪算法在多目标跟踪方面的应用主要存在以下两方面的问题：一是，存在多目标时，特别在目标模型密集场景下，目标之间的遮挡成为非常严重的一个问题，从而会导致“跟丢”；二是，如果目标具有相似性，在跟踪中会出现将目标A跟踪为B，将目标B跟踪为C，即“跟错”现象。而现有的多事例跟踪算法是用贪婪算法对目标可能出现的下一帧位置进行预测，然后用事先训练好的分类器对预测的位置进行判断，但只应用于对单目标的跟踪。
技术实现思路
为克服现有技术的不足，本专利技术提供了一种多目标跟踪的方法，采用分类器和匹配度相结合的方法，可对多个目标进行跟踪，并可实时在线地更新分类器，能够改善多目标跟踪中“跟丢”和/或“跟错”的问题，提高多目标跟踪的准确性。根据本专利技术的一个方面，一种多目标跟踪的方法包括下述步骤：利用预定目标检测技术在第一帧视频中检测一个或多个跟踪目标；从第一帧视频提取特征；提取用于训练分类器的样本，并对分类器进行训练；使用训练的分类器从第一帧视频之后的第二帧视频检测所述一个或多个跟踪目标；从第二帧视频提取特征；确定从第一帧视频提取的特征与从第二帧视频提取的特征之间的第一匹配度；基于所述分类器检测的所述一个或多个跟踪目标的结果和所述第一匹配度，确定所述一个或多个跟踪目标在第二帧视频中的位置。可选择地，分别从第一帧视频中的多个第一图像块提取特征；利用所述分类器判断第二帧视频中的与所述多个第一图像块对应的多个第二图像块中存在每个跟踪目标的概率；分别从第二帧视频中的与所述多个第一图像块对应的多个第二图像块提取特征；其中，对应的第一图像块和第二图像块的大小和位置相同；计算对应的第一图像块和第二图像块的特征之间的相似度作为第一匹配度；针对任意一个跟踪目标，计算每个第二图像块存在所述任意一个跟踪目标的概率与对应的第一匹配度的和，并确定所述和最大的第二图像块的位置作为所述任意一个跟踪目标在第二帧视频中的位置。可选择地，提取用于训练分类器的样本的步骤包括：分别以检测的一个或多个跟踪目标在第一帧视频中的位置为中心，在小于第一半径的范围内提取正样本，在大于第一半径和小于第二半径的范围内提取负样本。可选择地，所述多个第一图像块位于第一帧视频中分别以检测的各个跟踪目标在第一帧视频中的位置为中心，小于第三半径的范围内。可选择地，若第二帧视频之后还有第三帧视频输入，则多目标跟踪的方法的步骤还包括：更新用于训练所述分类器的样本，并对所述分类器重新进行训练；利用重新训练的所述分类器从第二帧视频之后的第三帧视频中检测所述一个或多个跟踪目标；从第三帧视频提取特征；确定从第三帧视频提取的特征与从第二帧视频提取的特征之间的第二匹配度；基于重新训练的所述分类器检测的所述一个或多个跟踪目标的结果和所述第二匹配度，确定所述一个或多个跟踪目标在第三帧视频中的位置。可选择地，利用重新训练的所述分类器判断第三帧视频中与所述多个第二图像块对应的多个第三图像块中存在每个跟踪目标的概率；分别从第三帧视频中的与所述多个第二图像块对应的多个图像块提取特征；其中，对应的第三图像块和第二图像块的大小和位置相同；计算对应的第三图像块和第二图像块的特征之间的相似度作为第二匹配度；针对任意一个跟踪目标，计算每个第三图像块存在所述任意一个跟踪目标的概率与对应的第二匹配度的和，并确定每个第三图像块存在所述任意一个跟踪目标的概率与对应的第二匹配度的和最大的第三图像块的位置作为所述任意一个跟踪目标在第三帧视频中的位置。可选择地，更新用于训练所述分类器的样本的步骤包括：分别以检测的各个跟踪目标在第二帧视频中的位置为中心，在小于第一半径范围内提取正样本；在大于第一半径和小于第二半径的范围内提取负样本。可选择地，第一半径<第二半径<第三半径。可选择地，采用在线多事例学习的方法训练所述分类器。本专利技术将上一帧确定的跟踪目标的位置作为的当前帧对跟踪目标进行检测跟踪的起点，且需要基于跟踪目标的当前位置选取正样本和负样本，更新用于下一帧的跟踪目标检测时训练分类器的样本，可有效改善目标(尤其是多目标)跟踪中出现的“跟丢”的问题；并且时采用分类器与特征向量匹配概率相结合的方法确定每一帧中跟踪目标的位置，可有效改善目标(尤其是多目标)跟踪中出现的“跟错”的问题。附图说明从下面结合附图进行的描述，本专利技术的特定实施例的以上和其他方面、特征和优点将更加清楚，其中：图1A是根据本专利技术实施例的多目标跟踪方法的流程图；图1B是示出根据本专利技术的另一个实施例的在第三帧视频中检测一个或多个跟踪目标的方法的流程图；图2是根据本专利技术实施例的基于“在线多事例学习”训练分类器的方法流程图；图3是根据本专利技术实施例的对N个目标位置进行检测的方法的流程图。具体实施方式提供参照附图的以下描述以帮助全面理解由权利要求及其等同物限定的本专利技术的各种实施例。以下描述包括用于帮助理解的各种具体细节，但是这些细节应被仅视为示例性的。相应地，本领域的普通技术人员将认识到，在不脱离本专利技术的范围和精神的情况下，可对这里描述的各种实施例进行各种改变和修改。以下，参照附图来详细说明本专利技术的实施例。图1A是根据本专利技术的一个实施例的多目标跟踪方法的流程图。在步骤S101，利用预定目标检测技术在第一帧视本文档来自技高网...

【技术保护点】
一种多目标跟踪的方法，其特征在于，所述方法包括：(A)利用预定目标检测技术在第一帧视频中检测一个或多个跟踪目标；(B)从第一帧视频提取特征；(C)提取用于训练分类器的样本，并对分类器进行训练；(D)使用训练的分类器从第一帧视频之后的第二帧视频检测所述一个或多个跟踪目标；(E)从第二帧视频提取特征；(F)确定从第一帧视频提取的特征与从第二帧视频提取的特征之间的第一匹配度；(G)基于所述分类器检测的所述一个或多个跟踪目标的结果和所述第一匹配度，确定所述一个或多个跟踪目标在第二帧视频中的位置。

【技术特征摘要】
1.一种多目标跟踪的方法，其特征在于，所述方法包括：(A)利用预定目标检测技术在第一帧视频中检测一个或多个跟踪目标；(B)从第一帧视频提取特征；(C)提取用于训练分类器的样本，并对分类器进行训练；(D)使用训练的分类器从第一帧视频之后的第二帧视频检测所述一个或多个跟踪目标；(E)从第二帧视频提取特征；(F)确定从第一帧视频提取的特征与从第二帧视频提取的特征之间的第一匹配度；(G)基于所述分类器检测的所述一个或多个跟踪目标的结果和所述第一匹配度，确定所述一个或多个跟踪目标在第二帧视频中的位置。2.如权利要求1所述的一种多目标跟踪的方法，其特征在于，步骤(B)包括：分别从第一帧视频中的多个第一图像块提取特征；步骤(D)包括：利用所述分类器判断第二帧视频中的与所述多个第一图像块对应的多个第二图像块中存在每个跟踪目标的概率；步骤(E)包括：分别从第二帧视频中的与所述多个第一图像块对应的多个第二图像块提取特征；其中，对应的第一图像块和第二图像块的大小和位置相同；步骤(F)包括：计算对应的第一图像块和第二图像块的特征之间的相似度作为第一匹配度；步骤(G)包括：针对任意一个跟踪目标，计算每个第二图像块存在所述任意一个跟踪目标的概率与对应的第一匹配度的和，并确定所述和最大的第二图像块的位置作为所述任意一个跟踪目标在第二帧视频中的位置。3.如权利要求2所述的一种多目标跟踪的方法，其特征在于，步骤(C)的提取用于训练分类器的样本的步骤包括：分别以检测的一个或多个跟踪目标在第一帧视频中的位置为中心，在小于第一半径的范围内提取正样本，在大于第一半径和小于第二半径的范围内提取负样本。4.如权利要求3所述的一种多目标跟踪的方法，其特征在于，步骤(B)包括：所述多个第一图像块位于第一帧视频中分别以检测的各个跟踪目标在第一帧视频中的位置为中心，小于第三半径...

【专利技术属性】
技术研发人员：贾斌，冯良炳，李娜，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：广东,44