一种视频目标跟踪方法技术

本发明专利技术公开了一种视频目标跟踪方法，在目标选取过程中增加了目标跟踪失败判别机制，以及在目标选取失败后的基于分块思想的目标滤波器模板更新策略，重新对目标跟踪提供图像基础。本发明专利技术因为使用了目标跟踪失败判别机制，所以能够在跟踪过程中及时发现目标漂移或丢失，为后续调整目标滤波器模板提供了可靠依据；因为使用了基于分块思想的模板更新策略，扩大了目标搜索区域，所以在判断出目标跟踪失败之后，能够及时修正错误，提高跟踪效果。

A video target tracking method

【技术实现步骤摘要】
一种视频目标跟踪方法
本专利技术涉及计算机视觉处理领域，尤其涉及一种视频目标跟踪方法。
技术介绍
目标跟踪是计算机视觉领域各类高级应用的中间层基础，在人机交互、军事防御或是民用安全方面等领域具有重要的研究意义和广阔的应用前景。由于跟踪环境的复杂性和目标本身的多变性，实现精确的目标跟踪具有非常大的挑战性。目标跟踪的主要任务是第一帧给出特定目标，而后根据第一帧的信息，估计后续视频图像序列中特定跟踪目标的位置或区域，以此来为高层应用提供目标的轨迹和其他运动信息。目标跟踪算法的基本流程一般由4个部分组成：运动模型、特征提取、外观模型以及在线更新方法。运动模型是在视频帧中给出目标的候选框；特征提取是提取候选框图像中能够较为准确的表达目标的特征，现在常用的特征有手工特征如HOG特征以及深度特征如卷积特征；外观模型的作用在于判断候选区域是否为目标，同时它在跟踪过程中处于核心位置；在线更新方法，是针对视频跟踪的目标和背景信息的变化，根据当前帧的跟踪结果来不断更新改善外观模型，以提高跟踪精度。但由于跟踪环境的复杂性和目标本身的多变性，尤其是当出现目标物被遮挡、目标物快速移动或目标物在平面内旋转等问题，会影响目标跟踪的准确性，现有的目标跟踪方法，缺乏对跟踪过程中结果是否准确进行判断，以及缺乏针对错误跟踪的后续处理方法。常见的判断方法就是通过欧氏距离来判断跟踪是否准确，但是都是欧式距离只能简单测量预测框中心与前一帧目标中心距离，并不能代表目标位置的变化，从而无法评判跟踪的效果。
技术实现思路
本专利技术提供了一种视频目标跟踪方法，以解决现有技术中缺乏准确判断跟踪效果的方法的问题。本专利技术提供了一种视频目标跟踪方法，包括如下步骤：步骤1：根据前一帧图像获取当前帧图像中的目标候选框；步骤2：计算前一帧图像至当前帧图像所有像素点所产生的光流值的平均值；步骤3：将所述步骤1中获取的目标候选框中每一像素点的光流值与所述步骤2中获取平均值进行比较，当目标候选框中的像素点的光流值大于平均值时，将该像素点记为正确像素点；当目标候选框中的像素点的光流值小于平均值时，将该像素点记为错误像素点；步骤4：将所述步骤3中获取的正确像素点个数与目标候选框中的像素点总个数进行比较，当正确像素点个数与目标候选框中的像素点总个数的比值大于成功阀值时，目标跟踪成功；当正确像素点个数与目标候选框中的像素点总个数的比值小于成功阀值时，目标跟踪失败。进一步地，所述步骤4中，当判断结果为目标跟踪失败时，先将当前帧图像分割成数个子图块，再计算每个子图块的权重，最后对所有子图块依照权重进行加权处理，获得目标滤波器模板，用于后续视频帧的跟踪。进一步地，所述步骤4中计算每个子图块的权重的方法为，计算子图块的中心偏移量，将中心偏移量作为对应子图块的权重。进一步地，通过相位相关算法计算子图块的中心偏移量。进一步地，所述步骤4中的成功阀值为0.6。本专利技术的有益效果：本专利技术因为使用了目标跟踪失败判别机制，所以能够在跟踪过程中及时发现目标漂移或丢失，为后续调整目标滤波器模板提供了可靠依据；因为使用了光流算法，所以能够运用空间信息来进一步提高目标跟踪过程的可靠性；因为使用了基于分块思想的模板更新策略，扩大了目标搜索区域，所以在判断出目标跟踪失败之后，能够及时修正错误，提高跟踪效果；因为使用了基于频域计算的相位相关算法，所以能在提高算法跟踪精确度的同时保证跟踪速率。附图说明通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：图1为本专利技术实施例提供的一种视频目标跟踪方法的流程示意图；具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术主要针对目标跟踪过程当中的复杂的跟踪环境提出的，具体流程示意图如图1所示，主要包括两个部分，一方面是目标跟踪失败判别机制，用于在跟踪过程中判断跟踪成功与否；另一方面是在目标跟踪失败判别机制判断出目标跟踪失败后，提出基于分块思想的目标滤波器模板更新策略，提高目标跟踪的效果。为此，本专利技术提供了一种视频目标跟踪方法，包括如下步骤：步骤1：根据前一帧图像获取当前帧图像中的目标候选框，首先当前帧图像依照前一帧图像中的目标位置，确定好当前帧图像中目标的搜索区域，通过在搜索区域中进行循环移位获得多个目标候选框，将各个目标候选框分别与前一帧目标滤波器模板进行相关滤波运算，得到各个候选框与目标的相似度，相似度越大则被认定为目标的可能越大，取相似度最大的候选框作为当前帧图像的目标候选框，同时也作为当前帧的目标滤波器模板。其中，视频图像的第一帧中直接给出需要跟踪的目标以及目标位置，作为第一帧当中目标滤波器模板。这里的目标滤波器模板是通过最优化输入样本与真实值之间的误差问题获得的，也就被转化为下面的损失函数优化问题，如公式(1)所示，其中yn＝[y1,y2,…,yn]∈Rk×1表示高斯形状响应，xn∈Rk×1是第n个输入向量通道,λ是正则项系数，w*是需要求解的目标滤波器模板参数。步骤2：计算前一帧图像至当前帧图像所有像素点所产生的光流值的平均值；步骤3：将目标候选框中每一像素点的光流值与步骤2中获取平均值进行比较，当目标候选框中像素点的光流值大于平均值时，将该像素点记为正确像素点；当目标候选框中像素点的光流值小于平均值时，将该像素点记为错误像素点；步骤4：将步骤3中获取的正确像素点个数与目标候选框中的像素点总个数进行比较，当正确像素点个数与目标候选框中的像素点总个数的比值大于成功阀值时，目标跟踪成功；当正确像素点个数与目标候选框中的像素点总个数的比值小于成功阀值时，目标跟踪失败，为控制容错性，成功阀值优选0.6。步骤2和步骤3是本专利技术基于光流法提出的跟踪失败判别机制，本专利技术使用的梯度算法是Horn-Schunck光流算法。Horn-Schunck算法是一种全局约束方法，该算法提出了光流平滑约束的概念，即图像上任何点处的光流值不是独立的，并且光流值在整个图像范围内平滑地变化。本专利技术还在判断出目标跟踪失败后提供了基于分块训练的目标滤波器模板更新方法，具体方法为当判断结果为目标跟踪失败时，先将当前帧图像分割成数个子图块，再通过相位相关算法计算每个子图块的中心偏移量，作为每个子图块的权重，最后对所有子图块依照权重进行加权处理，获得目标滤波器模板，用于后续视频帧的跟踪。分割的子图块个数越多，后续处理更加准确，但数量越多会导致计算量越大，本专利技术优选平均分割成9个子图块，在计算能力允许的前提下可以增加分割数量。本专利技术通过位相关算法计算每个子图块的中心偏本文档来自技高网...

【技术保护点】
1.一种视频目标跟踪方法，其特征在于，包括如下步骤：/n步骤1：根据前一帧图像获取当前帧图像中的目标候选框；/n步骤2：计算前一帧图像至当前帧图像所有像素点所产生的光流值的平均值；/n步骤3：将所述步骤1中获取的目标候选框中每一像素点的光流值与所述步骤2中获取平均值进行比较，当目标候选框中的像素点的光流值大于平均值时，将该像素点记为正确像素点；当目标候选框中的像素点的光流值小于平均值时，将该像素点记为错误像素点；/n步骤4：将所述步骤3中获取的正确像素点个数与目标候选框中的像素点总个数进行比较，当正确像素点个数与目标候选框中的像素点总个数的比值大于成功阀值时，目标跟踪成功；当正确像素点个数与目标候选框中的像素点总个数的比值小于成功阀值时，目标跟踪失败。/n

【技术特征摘要】
1.一种视频目标跟踪方法，其特征在于，包括如下步骤：
步骤1：根据前一帧图像获取当前帧图像中的目标候选框；
步骤2：计算前一帧图像至当前帧图像所有像素点所产生的光流值的平均值；
步骤3：将所述步骤1中获取的目标候选框中每一像素点的光流值与所述步骤2中获取平均值进行比较，当目标候选框中的像素点的光流值大于平均值时，将该像素点记为正确像素点；当目标候选框中的像素点的光流值小于平均值时，将该像素点记为错误像素点；
步骤4：将所述步骤3中获取的正确像素点个数与目标候选框中的像素点总个数进行比较，当正确像素点个数与目标候选框中的像素点总个数的比值大于成功阀值时，目标跟踪成功；当正确像素点个数与目标候选框中的像素点总个数的比值小于成功阀值时，目...

【专利技术属性】
技术研发人员：夏斯维，陈迅，李绍鹏，杨海兴，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：江苏;32