基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法技术

本发明专利技术公开了一种基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法，主要解决现有TLD算法中目标发生遮挡导致检测与跟踪误差变大甚至失效的问题。其实现步骤为：1.输入视频图像的第一帧和目标区域，并对目标进行均匀采样得到多个局部区域；2.对每一个局部区域的检测参数和在线模型进行初始化；3.更新检测参数和在线模型；4.读入新的视频帧，对目标的局部区域进行跟踪、检测得到所有局部结果；5.计算更新所有局部区域的权重值；6.对所有局部结果进行聚类，得到目标的跟踪结果；7.对输入的新视频图像重复步骤3～6。本发明专利技术能在目标遮挡情况下的有效的检测跟踪到目标，并提高了精度，可用于自动视频监控、智能交通等领域。

Anti occlusion target tracking method based on local region joint tracking detection learning

The invention discloses a detection anti occlusion object tracking method based on joint tracking of local area, mainly to solve the existing TLD algorithm in target detection and tracking in occlusion leads to large error or failure problem. The method comprises the following steps: the first frame and the target area for 1. input video image, and the target of uniform sampling from a number of local area; 2. of every local area parameters and online model initialization; online detection parameters and model 3. update; 4. read the new video frame, the local area of the target tracking and detection of all partial results; 5. of all local computation to update the weights value; 6. of all local clustering results based on the results of target tracking; 7. to repeat steps new video input 3 ~ 6. The invention can effectively detect and target the target under the condition of target occlusion, and improve the accuracy, and can be used in the fields of automatic video surveillance, intelligent traffic, etc..

【技术实现步骤摘要】
基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法
本专利技术属于图像处理
，更进一步涉及在目标被抗遮挡情况下的跟踪方法，可应用于自动视频监控、智能机器人导航及智能交通。
技术介绍
目标跟踪是获得目标在连续的时间与空间上位置与变化的复杂过程，随着应用场景的不同会面对很多情况，诸如目标旋转、外形变化、尺度变化、光照变化和遮挡等问题。其中，如何有效地处理遮挡，是目标跟踪领域的热点和难点问题。基于遮挡问题，目前可以将遮挡目标的跟踪算法分为基于景深分析算法、基于相机优化布设算法和基于融合的算法，其中以融合算法研究最广泛。由于检测跟踪算法理论的不断成熟和计算机运算性能的提升，多算法融合的研究趋势越来越明显，很难将一种算法归为一类，因此对此类算法统称为基于融合的算法。基于融合的遮挡目标跟踪算法包括卡尔曼滤波等线性动态模型融合方法、基于粒子滤波的融合算法、基于特征空间压缩采样的目标跟踪算法和跟踪检测学习算法TLD等。由于TLD跟踪算法由跟踪、检测、学习三部分联合判断更新，使其在目标无遮挡的情况下能表现出良好的跟踪性能。但是当目标发生局部遮挡和严重遮挡时会使得跟踪误差过大，甚至无法得到跟踪结果。本文档来自技高网...

【技术保护点】
基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法，包括：(1)对目标进行初始化：(1a)输入第一帧视频图像F

【技术特征摘要】
1.基于局部区域联合跟踪检测学习的抗遮挡目标跟踪方法，包括：(1)对目标进行初始化：(1a)输入第一帧视频图像F1，并在该视频图像中手工标定目标区域G1，通过均匀采样的方式对目标区域G1划分得到m个局部区域其中表示第一帧视频图像的第j个局部区域，1≤j≤m,目标区域G1包含目标区域的中心点Gc1和目标区域的尺寸Gs1；(1b)初始化所有局部区域的空间权重和时间权重得到联合权重其中表示第一帧视频图像第j个局部区域的空间权重，表示第一帧视频图像第j个局部区域的时间权重，表示第一帧视频图像第j个局部区域的联合权重；(2)将每一个局部区域作为一个独立目标，初始化并更新每个局部区域的检测参数和在线模型{M1,…,Mj,…,Mm}，其中Mj表示第j个局部区域的在线模型，检测参数包括方差阈值vclaj，概率阈值最近邻阈值位置，分组信息和排序信息；(3)更新每所有局部区域的在线模型{M1,…,Mj,…,Mm}、最近邻阈值和概率阈值；(4)输入第n帧视频图像，通过检测跟踪学习算法TLD，得到所有局部区域在第n帧的跟踪结果(5)判断上一帧即第n-1帧是否是第一帧：如果第n-1帧是第一帧，则根据(1b)直接得到所有局部区域初始化的联合权重如果第n-1帧不是第一帧，则根据第n-1帧的目标区域Gn-1和局部区域跟踪结果计算所有局部区域在第n-1帧视频图像中的空间权重和时间权重得到第n帧视频图像中的联合权重(6)将所有局部区域的局部结果进行基于第n-1帧联合权重的meanshift算法聚类，得到最后的聚类中心RPn即为第n帧的目标区域Gn；(7)判断是否有下一帧视频图像输入，如果没有输入，结束整个跟踪过程，否则返回(3)。2.根据权利要求1所述的方法，其中步骤(4)中通过检测跟踪学习算法TLD，得到所有局部区域在第n帧的局部结果按如下步骤进行：(4a)在第n-1帧视频图像的第j个局部结果中均匀撒点，得到L个特征点p1，利用金字塔LK光流法先跟踪第n-1帧特征点p1在第n帧的位置p2，再利用LK光流法反向跟踪第n帧特征点p2在第n-1帧的位置p1'，得到反向误差FR：FR＝|p1'-p1|；(4b)找到反向误差FR的中值误差MR，如果MR大于误差阈值et＝10，则视为跟踪失效；反之，为跟踪有效，并筛选出FR小于MR的特征点Fp1作为最佳的追踪点，执行步骤(3c)；(4c)利用金字塔LK光流法跟踪第n-1帧特征点Fp1在第n帧的位置Fp2，根据Fp2得到第j个局部区域在第n帧的跟踪结果(4d)以步长sL和多个尺寸缩放系数ss的窗口多次扫描第n帧视频图像Fn，得到全部窗口图像(4e)计算全部窗口图像的...

【专利技术属性】
技术研发人员：张建龙，胡本川，李洁，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61