【技术实现步骤摘要】
本专利技术属于计算机视觉
,涉及一种目标跟踪方法,更为具体的说,是涉及一种融合上下文探测的弱结构感知视觉目标跟踪方法。
技术介绍
视觉目标跟踪,是指以连续的视频图像序列作为输入,对其中的特定目标,在连续帧中确定该目标所在位置或者所在的图像区域。目标跟踪作为计算机视觉领域的一项重要研究,在众多智能视觉系统中扮演重要角色。其典型的应用包括智能监控、自动驾驶和人机交互领域。近年来,许多研究人员针对视觉目标跟踪进行了大量的研究,取得了长足的进展,在一些特定应用领域克服了许多难题。然而对于视觉目标跟踪,在一些复杂的情况下,如目标因为快速移动、形体变形、遮挡、周围环境而产生较大外形变化时,准确跟踪目标依旧是一项困难的挑战。对于一个没有指定目标类型的泛型目标跟踪方法而言,跟踪任意类别的目标将更为困难。综上可知,现有的目标跟踪方法在实际使用上存在局限性,所以有必要加以改进。
技术实现思路
为解决以上问题,本专利技术针对泛型目标跟踪,公开了一种鲁棒的基于部件的目标跟踪方法。该专利技术有机结合目标内各个不同的部件,基于弱结构感知机制提供目标跟踪解决方案。该方法采用特征点以及相关联的特征描述符对各个目标部件进行建模表达,具备了如尺度不变性、旋转不变性和光照不变性等的优良特性,并显著提高了跟踪时的准确性和稳定性。本专利技术所解决的技术问题可采用如下的技术解决方案来实现:本专利技术提供了一种融合上下文探测的弱结构感知视觉目标跟踪方法,包括以下步骤:步骤A,初始化跟踪目标,构建跟踪框架的外观模型。具体的,读取视频,在第一帧图像用矩形包围框b=(x,y,w,h)标识出目标,其中x, ...
【技术保护点】
一种融合上下文探测的弱结构感知视觉目标跟踪方法,其特征在于,所述方法包括以下步骤:步骤A,初始化跟踪目标,构建跟踪框架的外观模型。步骤B,构建相对目标中心的运动模型。步骤C,读取下一帧图像。步骤D,在本帧中利用自底向上的上下文探测对特征点进行搜寻,并将候选特征点与前一帧的特征点匹配,以得到特征点在本帧图像的新位置。步骤E,对特征点的运动状态进行估计,获知每个特征点的运动状态。步骤F,根据运动状态估测潜在目标中心位置,得到一组潜在目标中心点集合,通过聚类对目标进行定位。步骤G,更新目标的宽度和高度。步骤H,利用自顶向下的上下文探测检测遮挡并更新模型。重复执行步骤C至步骤H,直至处理完所有图像序列。
【技术特征摘要】
1.一种融合上下文探测的弱结构感知视觉目标跟踪方法,其特征在于,所述方法包括以下步骤:步骤A,初始化跟踪目标,构建跟踪框架的外观模型。步骤B,构建相对目标中心的运动模型。步骤C,读取下一帧图像。步骤D,在本帧中利用自底向上的上下文探测对特征点进行搜寻,并将候选特征点与前一帧的特征点匹配,以得到特征点在本帧图像的新位置。步骤E,对特征点的运动状态进行估计,获知每个特征点的运动状态。步骤F,根据运动状态估测潜在目标中心位置,得到一组潜在目标中心点集合,通过聚类对目标进行定位。步骤G,更新目标的宽度和高度。步骤H,利用自顶向下的上下文探测检测遮挡并更新模型。重复执行步骤C至步骤H,直至处理完所有图像序列。2.根据权利要求1所述的融合上下文探测的弱结构感知视觉目标跟踪方法,其特征在于,步骤A所述的外观模型是基于部件的目标跟踪框架上进行构建的,并且采用特征点以及相关的特征描述符建立目标模型,将目标和背景特征点分别保存在两个集合内。3.根据权利要求1所述的融合上下文探测的弱结构感知视觉目标跟踪方法,其特征在于,步骤D所述的特征点搜寻是基于光流估计自底向上的上下文探测过程,在特征点匹配中使用多级的描述方式。首先利用正反双向光流估计法结合局部像素的信息,在较低层级上描述特征点的运动。依据特征点的光流向量,计算出特征点在下一帧的范围。只有正反向估计的两个点小于设定阈值时,才认定这个点的光流估计是一致有效的。然后利用特征点相关联的特征描述符进一步对特征点进行匹配。对于匹配失败的情况,如果光流向量集合的一致性指数大于某个阈值,则认为该光流估计失效的特征点周...
【专利技术属性】
技术研发人员:吴贺丰,刘畅,朱恒政,刘宁,
申请(专利权)人:广东外语外贸大学,
类型:发明
国别省市:广东;44
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。