【技术实现步骤摘要】
一种基于跟踪学习检测的目标跟踪优化方法
本专利技术属于计算机视觉领域,特别涉及一种基于跟踪学习检测的目标跟踪优化方法,即一种基于跟踪-学习-检测(Tracking-Learning-Detection,TLD)的目标跟踪优化方法,适用于视频帧序列中单目标的长时间跟踪。
技术介绍
在计算机视觉领域,目标检测和跟踪一直是一个具有挑战性的研究难点,并广泛应用于智能监控、视觉导航、人机交互、军工制造等领域;目标跟踪简单理解为在已知目标先验信息的条件下,在视频序列帧中持续发现跟踪目标位置、形态等运动状态信息的过程,所谓的跟踪目标就是在视频帧序列中感兴趣的人或物等等;在数十年的长期研究中,国内外的研究者提出了许多目标跟踪算法,例如均值漂移(Mean-Shift)、支持向量机(SupportVectorMachine,SVM)、卡尔曼滤波等经典目标跟踪算法;但这些经典目标跟踪算法只能针对某些特定的场景和目标有效,且不能实现目标的长时间实时跟踪,随着跟踪时间的增长,缺乏自我学习能力的传统目标跟踪算法误差会不断累积,最终导致跟踪失败情况的出现。传统TLD目标跟踪算法是ZdenekK ...
【技术保护点】
一种基于跟踪学习检测的目标跟踪优化方法,其特征在于,包括以下步骤:步骤1,确定L帧灰度图像视频帧序列,每帧灰度图像视频帧序列都为N行M列,且每帧灰度图像视频帧序列都包含K个像素点,每帧灰度图像视频帧序列中分别包含一个跟踪目标,第1帧灰度图像视频帧序列中的跟踪目标位置已知,其余L‑1帧灰度图像视频帧序列中的跟踪目标位置未知;其中,N、M和K分别为大于0的正整数;初始化:令t表示第t帧灰度图像视频帧序列,t∈{1,2,…,L},t的初始值为1,L为大于1的正整数;分别确定第1帧目标限定框b1、第1帧目标内框
【技术特征摘要】
1.一种基于跟踪学习检测的目标跟踪优化方法,其特征在于,包括以下步骤:步骤1,确定L帧灰度图像视频帧序列,每帧灰度图像视频帧序列都为N行M列,且每帧灰度图像视频帧序列都包含K个像素点,每帧灰度图像视频帧序列中分别包含一个跟踪目标,第1帧灰度图像视频帧序列中的跟踪目标位置已知,其余L-1帧灰度图像视频帧序列中的跟踪目标位置未知;其中,N、M和K分别为大于0的正整数;初始化:令t表示第t帧灰度图像视频帧序列,t∈{1,2,…,L},t的初始值为1,L为大于1的正整数;分别确定第1帧目标限定框b1、第1帧目标内框第1帧跟踪目标主体部分和第1帧跟踪目标的边缘部分;步骤2,基于TLD目标跟踪算法从第t帧跟踪目标的边缘部分和第t帧跟踪目标主体部分中得到Nt个跟踪点,进而在第t+1帧灰度图像视频帧序列得到第t+1帧跟踪目标限定框tbt+1;其中,0<Nt≤K,Nt为大于0的正整数;步骤3,从第t+1帧灰度图像视频帧序列中获得第t+1帧灰度图像视频帧序列中的个检测目标限定框;其中,为大于0的正整数;步骤4,基于TLD目标跟踪算法和P-N学习机制对第t+1帧跟踪目标限定框tbt+1和第t+1帧灰度图像视频帧序列中的个检测目标限定框进行跟踪、检测和学习,进而得到第t+1帧跟踪目标的确定位置;步骤5,令t的值加1,执行步骤2至步骤4,直到得到第2帧跟踪目标的确定位置至第L帧跟踪目标的确定位置,并记为基于跟踪学习检测的目标跟踪优化结果。2.如权利要求1所述的一种基于跟踪学习检测的目标跟踪优化方法,其特征在于,在步骤1中,所述第1帧目标限定框b1、第1帧目标内框第1帧跟踪目标主体部分和第1帧跟踪目标的边缘部分,其确定过程分别为:将以第1帧灰度图像视频帧序列中跟踪目标为中心、高度为h1、宽度为w1的矩形框,记为第1帧目标限定框b1,所述第1帧目标限定框b1是包含第1帧跟踪目标的目标限定框;将以第1帧灰度图像视频帧序列中跟踪目标为中心、高度为宽度为的矩形框,记为第1帧目标内框第t帧目标内框包含第1帧跟踪目标主体部分,每帧灰度图像视频帧序列中的跟踪目标都在对应帧目标内框中;第1帧跟踪目标主体部分是以第1帧目标限定框b1中心点为中心、大小为行列的矩形区域,将第1帧目标限定框b1和第1帧目标内框之间的部分,记为第1帧跟踪目标的边缘部分;其中,0<w1<M,0<h1<N,第1帧目标限定框b1内像素点的总个数为H1,H1=w1×h1,第1帧目标内框中像素点的总个数为第1帧跟踪目标的边缘部分像素点总个数为3.如权利要求2所述的一种基于跟踪学习检测的目标跟踪优化方法,其特征在于,在步骤2中,所述从第t帧跟踪目标的边缘部分和第t帧跟踪目标主体部分中得到Nt个跟踪点,包括对第t帧跟踪目标的边缘部分采用FAST角点检测和非极大值抑制后得到的Ft个FAST角点和对第t帧跟踪目标主体部分采用均匀选取跟踪点的方式得到的Ut个均匀跟踪点;其中,Nt=Ft+Ut,0≤Ft≤Nt,0<Ut≤Nt;所述对第t帧跟踪目标的边缘部分采用FAST角点检测和非极大值抑制后得到的Ft个FAST角点,其过程为:(1)将第t帧跟踪目标的边缘部分个像素点作为个检测点,并将第t帧目标限定框bt的第1行、第1列像素点定义为初始检测点,初始检测点的x轴坐标与第t帧目标限定框bt的x轴坐标xt取值相同,初始检测点的y轴坐标与第t帧目标限定框bt的y轴坐标yt取值相同;令p表示第p个检测点,第p个检测点的坐标为(xp,yp),xp表示第p个检测点的x轴坐标,yp表示第p个检测点的y轴坐标,p的初始值为1;(2)以第p个检测点对应像素点为圆心、半径为rp作圆周,并对该圆周上的lp个像素点依次进行编号,标记为1~lp,lp=16;将该圆周上lp个像素点中12点钟方向的像素点记为初始点p1,且按照顺时针方向将16个像素点依次记为第1个像素点p1、第2个像素点p2、…、第16个像素点如果第p个检测点的坐标(xp,yp)至少满足xp<rp,xp>M-rp-1,yp<rp或yp>N-rp-1中任意一个条件,则意味着以第p个检测点对应像素点为圆心的圆周超越了第t帧灰度图像视频帧序列的边界,执行步骤(3);否则执行步骤(4);(3)令p的值加1,返回步骤(2);(4)计算第1个像素点p1、第9个像素点p9分别与第p个检测点对应像素点的灰度值差,如果灰度值差的绝对值都小于阈值T,则第p个检测点对应像素点就不是FAST角点,并令p的值加1,返回步骤(2);否则执行步骤(5);(5)计算第6个像素点p6、第15个像素点p15分别与第p个检测点对应像素点的灰度值差,如果第1个像素点p1、第9个像素点p9、第6个像素点p6、第15个像素点p15分别与第p个检测点对应像素点的灰度值差绝对值中至少有3个灰度值差绝对值大于或等于阈值T,执行步骤(6);否则第p个检测点对应像素点就不是FAST角点,并令p的值加1,返回步骤(2);(6)计算除去第1个像素点p1、第9个像素点p9、第6个像素点p6、第15个像素点p15的剩余12个像素点分别与第p个检测点对应像素点的灰度值差,如果第1个像素点p1、第2个像素点p2、…、第16个像素点p16分别与第p个检测点对应像素点的灰度值差绝对值中至少有Np个连续像素点分别与第p个检测点对应像素点的灰度值差绝对值都大于或等于阈值T,则标记第p个检测点对应像素点为第个FAST角点,Np为连续像素点个数的阈值;的初始值为1,并令的值加1;否则令p的值加1,返回步骤(2);直到遍历完第t帧跟踪目标的边缘部分个像素点,并将遍历完时对应的个FAST角点,记为第t帧跟踪目标的边缘部分个FAST角点;(7)将第t帧跟踪目标的边缘部分个FAST角点进行顺序编号,将其中第i个FAST角点表示为ft,i;令x表示第x个像素点,x的初始值为1,表示以第i个FAST角点ft,i为圆心、以为半径的圆周包含的像素点总个数;(8)计算得到第i个FAST角点ft,i对应的得分值为St,i,其表达式为:其中,It(x)表示以第i个FAST角点ft,i为圆心、以为半径的圆周上第x个像素点灰度值,表示第i个FAST角点ft,i的灰度值,表示以第i个FAST角点ft,i为圆心、以为半径的圆周上第1个像素点至第个像素点;表示任意,Σ表示求和符号;(9)令i的值分别取1至重复执行(8),进而分别得到第1个FAST角点ft,1对应的得分值St,1至第个FAST角点对应的得分值为记为第t帧跟踪目标的边缘部分个FAST角点的得分值St,将i的值初始化为1;(10)计算以第i个FAST角点ft,i为中心的...
【专利技术属性】
技术研发人员:赵亦工,李长桂,
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
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。