The invention provides a human body target tracking method suitable for deep image. Firstly, a target template updating method is designed based on the threshold value of the human target and based on the threshold value. Secondly, by predicting the position calculation of Kalman filter and the centroid position from the current tracking frame, judge whether by tracking obstacles and make the tracking box jump, design a barrier shielding method to eliminate the interference of obstacle region tracking. Then, the target tracking is realized by the method of human target detection. Finally, based on the threshold judgment, the mechanism of occlusion relief is designed to enable the depth camera to change the angle of view to remove the barrier area before the change of the view angle. The invention improves the tracking success rate of the human target in the depth image obviously.
【技术实现步骤摘要】
一种适用于深度图像的人体目标跟踪方法
本专利技术属于计算机视觉领域,涉及一种针对深度图像的人体目标跟踪的方法。
技术介绍
在智能机器人、智能监控和无人车等的现代人工智能领域,人体目标检测与跟踪是一个关键的技术环节,对智能设备的控制决策起着至关重要的作用。因此人体目标检测与跟踪一直是计算机视觉领域的研究热点。以微软Kinect为代表的深度信息传感器,能以较高分辨率和帧率获取深度图像序列,深度图像有着能提供距离信息、抗光照干扰能力强等的优势,在可移动的智能机器人控制中有着难以替代的作用。卡尔曼滤波器(KalmanFilter)是一种基于被估计信息数学模型的递推滤波算法。根据对系统建立的状态模型与观测模型,Kalman滤波器可以由系统前一时刻的状态预测和估计下一时刻的状态,在目标跟踪中能起到目标位置预测的作用。该算法可靠性较高,被广泛应用于飞行器制导、无人设备控制等领域。均值飘移(MeanShift)算法是一种基于目标颜色分布信息的半自动图像目标跟踪算法。在没有严重背景干扰的情况下,该算法能较稳定的跟踪图像序列中的运动人体。由于大多数实际情况中,人体目标跟踪过程很可能存在诸如大面积背景干扰、大面积遮挡等的问题。因此多将Kalman滤波器与MeanShift算法相结合,来解决这些问题。但是由于深度图像的特殊性,该组合方法应用到深度图像时存在以下问题:1)当人体目标靠近障碍物时,跟踪框会跳变至障碍物区域造成跟踪失败,且传统的结合Kalman滤波器的MeanShift方法无法实现再跟踪。2)当人体目标较跟踪初始时刻远离深度相机,深度值改变后,在人体目标附近像素区域出现 ...
【技术保护点】
一种适用于深度图像的人体目标跟踪方法,其特征在于在深度图像中能避免传统Meanshift‑Kalman跟踪方法在跟踪过程中可能导致的跟踪框跳变现象,该方法具体包括以下步骤:(1)首先针对待跟踪目标,手动初始化MeanShift跟踪区域,得到初始跟踪区域质心;(2)对跟踪框质心运动轨迹建立速度‑位移‑加速度运动模型,从而用Kalman滤波器预测目标在每一帧中的大致位置;(3)对每一帧的跟踪,将当前MeanShift跟踪区域质心位置的像素值与初始跟踪区域质心位置像素值相比较,若二者相差大于设定阈值D1,更新目标直方图模板为当前跟踪区域的直方图;(4)计算每一帧Meanshift跟踪区域质心位置与Kalman滤波器预测质心位置的距离,若当前跟踪区域质心位置与Kalman滤波器预测到的质心位置大于设定阈值D2,则认为跟踪目标正在经过障碍物,且该障碍物被Meanshift误判断为跟踪目标并发生跳变;(5)将误跟踪框设定为障碍物位置区域,生成一块大小与误跟踪框大小相同、像素值全为1的掩膜,将掩膜覆盖到障碍物区域,障碍物被屏蔽;(6)启动人体目标检测机制,用事先训练好的Adaboost分类器重新检测 ...
【技术特征摘要】
1.一种适用于深度图像的人体目标跟踪方法,其特征在于在深度图像中能避免传统Meanshift-Kalman跟踪方法在跟踪过程中可能导致的跟踪框跳变现象,该方法具体包括以下步骤:(1)首先针对待跟踪目标,手动初始化MeanShift跟踪区域,得到初始跟踪区域质心;(2)对跟踪框质心运动轨迹建立速度-位移-加速度运动模型,从而用Kalman滤波器预测目标在每一帧中的大致位置;(3)对每一帧的跟踪,将当前MeanShift跟踪区域质心位置的像素值与初始跟踪区域质心位置像素值相比较,若二者相差大于设定阈值D1,更新目标直方图模板为当前跟踪区域的直方图;(4)计算每一帧Meanshift跟踪区域质心位...
【专利技术属性】
技术研发人员:孟明,张松,王子健,马玉良,高云园,罗志增,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。