基于遮挡物建模的有遮挡情况下的目标跟踪方法技术

本发明专利技术为一种基于遮挡物建模的有遮挡情况下的目标跟踪方法，步骤包括：对于每一帧输入图像，根据在初始帧建立的目标模型，利用均值漂移算法求目标的状态；检测遮挡是否发生，当检测到目标被其他物体遮挡时，对遮挡物建模，以确定目标可能重现的区域，当没有检测到目标被遮挡，则输出目标的状态；通过寻找遮挡物的轮廓对遮挡物进行建模，遮挡物的轮廓通过改进的主动轮廓方法来实现；在目标可能重现的区域搜索目标，并对目标进行确认，若是目标，则输出目标的状态，若不是目标，则在目标可能重现的区域继续搜索目标，在对目标的搜索过程中遮挡物的轮廓也在进行动态的更新，以保证搜索区域的准确性。

【技术实现步骤摘要】

本专利技术属于图像处理
，具体涉及一种动态场景下基于遮挡物建模的有遮 挡情况下的目标跟踪方法。
技术介绍
基于视觉信息的目标跟踪已经成为当前计算机视觉领域中的热点问题之一，并被 广泛地应用到视频监控、智能交通、图像压缩、视频检索、机器人导航、人机交互、虚拟现实 以及军事等众多领域中。遮挡问题是目标跟踪过程中存在的具有挑战性的问题，它能导致跟踪精度的下降 甚至跟踪失败，特别当目标发生深度遮挡或全部被遮挡时。针对目标跟踪过程中存在的遮 挡问题，研究人员提出了众多的解决方法。H. T. Nguyen和A. W. M. Smeulders (H. T. Nguyen and Α. W. Μ. Smeulders. "FastOccluded Object Tracking by a Robust Appearance Filter,，，IEEE Trans. Pattern Anal. Mach. Intell.，vol. 26，no. 8，pp. 1099-1104， Aug. 2004)针对遮挡情况对模板匹配方法进行了改进，提出了一种基于鲁棒表面滤波器的 快速跟踪算法。在对模板升级时，目标的表面特征采用了鲁棒的卡尔曼滤波器对每一个像 素进行实时平滑，这样处理后的模板对部分遮挡具有较强的鲁棒性，并对严重遮挡具有精 确的检测和处理能力。C. Gentile 等(C. Gentile, 0. Camps, and Μ. Sznaier. "Segmentation for Robust Tracking in the Presence of Severe Occlusion,，，IEEE Trans. Image Process.，vol. 13，no. 2，pp. 166-178,Feb. 2004)在传统分割算法的基础上提出了一种新的 目标分割方法，将目标分割成为多个部分，分别采用模板匹配的方法进行跟踪，并通过表决 方法选择最佳的全局变换，对部分遮挡或严重遮挡具有较强的鲁棒性。A. Yilmaz和M. Shah, (A. Yilmaz and Μ. Shah, "Contour-Based Object Tracking with Occlusion Handling in Video Acquired Using MobiIeCameras,，，IEEE Trans. Pattern Anal. Mach. Intell., Vol. 26,No. 11. pp. 1531-1536,Nov.，2004)提出了一种能够跟踪整个目标区域，并对目标形 状、光线变化以及遮挡鲁棒的方法，当遮挡发生时，通过重现被遮挡目标的轮廓，实现对遮 挡目标的足艮踪° J. Maccormick 禾口 A. Blake(J. Maccormick and A. Blake. ‘‘AProbabilistic Exclusion Principle for Tracking Multiple Objects,，，Int. J. Comput. Vis. , vol. 39, no. 1，pp. 57-71,2000)针对多目标跟踪中，目标间的相互遮挡问题，提出了一种概率排除 法则，避免目标间交互时，由于目标具有相近的特征，出现错误的跟踪。H. Tao等(H.Tao， H. S.Sawhney, and R. Kumar,"Object Trackingwith Bayesian Estimation of Dynamic Layer Representations，” IEEE Trans.Pattern Anal. Mach. Intell.，vol.24，no. 1， PP. 75-89, Jan. ,2002)将每一帧图像分解为一个背景层和多个前景层，并利用了运动层的 时间连续性和目标形状的空间限制特性，引入了包括形状、运动和表面信息，将这些量的建 模和估计归结到最大后验概率(MAP)框架中去，并应用最大期望算法(EM)去优化，为了减 少计算量，应用了运动层的高斯先验形状模型。C. Lerdsudwichai等(C. Lerdsudwichai， M.Abdel-Mottaleb, A-N. Ansari,"Tracking multiple people with recoveryfrompartial and total occlusion, "Pattern Recog.，38，1059-1070，2005)首先检测人脸的存 在，继而建立人脸的非参数模型，利用均值漂移算法来跟踪目标，为了处理全部遮挡问题， 该方法在跟踪人的过程中建立了每个人所穿衣服的颜色模型，并通过目标运动速度和轨迹 来预测目标发生遮挡后可能出现的位置。W. Hu等(W. Hu, X. Zhou, Μ. Hu, and S. Maybank， "Occlusion Reasoning forTracking Multiple People,"IEEE Trans.Circuits Syst. Video Technol.，Vol. · 19，No. 1，pp. 114-121，Jan. 2009)针对多人跟踪中存在的目标检测 互相遮挡问题，提出了一种遮挡推理策略，通过推测目标间的遮挡关系来处理遮挡问题。这类方法往往通过对目标模型和跟踪方法的改进来解决遮挡问题，但多数只适用 于短时部分遮挡，当目标被严重遮挡或全部长时间遮挡时，由于目标可观测信息较少，这类 方法往往会失效。
技术实现思路
(一)要解决的技术问题有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于遮挡物建模的 有遮挡情况下的目标跟踪方法，通过对遮挡物的建模，来处理目标被部分遮挡和全部遮挡 情况下的目标跟踪问题。( 二 )技术方案为达到上述目的，本专利技术提供， 该方法包括步骤如下步骤Sl 对于第t帧输入图像，根据在初始帧建立的目标模型，利用均值漂移算法 求目标的状态，包括目标在输入图像中的位置和目标尺寸；步骤S2 检测遮挡是否发生，当检测到目标被其他物体遮挡时，则执行步骤S3 ；当 没有检测到目标被遮挡，则输出目标的状态；步骤S3 对遮挡物建模，确定目标重现的区域，通过寻找遮挡物的轮廓来实现对 遮挡物的建模，并根据遮挡物的轮廓来确定目标可能重现的区域；步骤S4 在目标可能重现的区域搜索目标，并对目标进行确认，若是目标，则输出 目标的状态；若不是目标则返回步骤S3，继续搜索目标，在对目标的搜索过程中遮挡物的 轮廓也在进行动态的更新，以保证搜索区域的准确性。(三)有益效果本专利技术的有益效果在于本专利技术通过对遮挡物进行建模来确定被遮挡目标可能出 现的区域并搜索目标，从而实现跟踪过程中对目标被部分遮挡或全部遮挡情况的处理。解 决了现有技术在目标跟踪中，当目标发生深度遮挡甚至完全遮挡时，由于目标可观测信息 较少，只通过对目标模型和跟踪方法的改进来解决遮挡，往往难以获得的好的处理结果的 问题。本专利技术(1)解决了传统目标跟踪算法难以处理目标被长时间全部遮挡的问题；(2)可 靠性高，不存在传统预测算法存在的不确定性因素；C3)实时性好，准确性和稳定性高。附图说明图1为本专利技术的总体流程2为当目标被本文档来自技高网...

【技术保护点】
１．一种基于遮挡物建模的有遮挡情况下的目标跟踪方法，其特征是通过对遮挡物的建模，来处理目标被部分遮挡和全部遮挡情况下的目标跟踪问题，包括以下步骤：步骤Ｓ１：对于第ｔ帧输入图像，根据在初始帧建立的目标模型，利用均值漂移算法求目标的状态，包括目标在输入图像中的位置和目标尺寸；步骤Ｓ２：检测遮挡是否发生，当检测到目标被其他物体遮挡时，则执行步骤Ｓ３；当没有检测到目标被遮挡，则输出目标的状态；步骤Ｓ３：对遮挡物建模，确定目标重现的区域，通过寻找遮挡物的轮廓来实现对遮挡物的建模，并根据遮挡物的轮廓来确定目标可能重现的区域；步骤Ｓ４：在目标可能重现的区域搜索目标，并对目标进行确认，若是目标，则输出目标的状态；若不是目标则返回步骤Ｓ３，继续搜索目标，在对目标的搜索过程中遮挡物的轮廓也在进行动态的更新，以保证搜索区域的准确性。

【技术特征摘要】

【专利技术属性】
技术研发人员：王鹏，乔红，郑碎武，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：11