a) 對于運動物體在視頻幀序列中成像大小的參數(shù)方程進行求解； b) 設定模板矩形框大?。? c) 根據(jù)模板框大小在模板框內(nèi)隨機生成Nh個不同位置不同大小的Haar-Iike特征;其中 Nh為常數(shù)，取模板框的長度或者高度； 步驟(2 )、可變尺度跟蹤模型的初始化： a) 獲取需要跟蹤目標的視頻序列幀及目標初始位置矩形框； b) 對每個Haar-Iike特征的特征值的概率分布進行初始化，對于每一個特征值作為正 樣本和負樣本均初始化為以特征值為中心位置的正態(tài)分布； c) 計算目標矩形框顏色直方圖H。作為全局特征； d) 初始化跟蹤目標在圖像中的運動速度為1=(0,0)，即在圖像二維平面運動速度為0; e) 初始化跟蹤目標在當前幀的匹配度S = 1; f) 跳到步驟(3)f); 步驟(3 )、可變尺度跟蹤過程： a) 根據(jù)視頻上一幀目標位置，在當前幀對應位置周圍進行候選目標采樣，采樣矩形框 大小根據(jù)當前采樣位置以及初始位置矩形框以及步驟(Da)得到的參數(shù)方程進行計算； b) 對于每一個采樣框，將其縮放到模板框大小，計算Nh個Haar-Iike特征值;利用樸素貝 葉斯分類器對每一個Haar-Iike特征值根據(jù)其對應的正態(tài)分布計算分類并求和，然后通過 sigmoid函數(shù)歸一化，得到局部特征的相似度； c) 對于每一個采樣框，計算其顏色直方圖Hi，利用Bhattacharrya系數(shù)計算H。和Hi的距 離，利用sigmoid函數(shù)歸一化，得到全局特征的相似度； d) 根據(jù)每一個采樣框的位置，計算其相對于上一幀的運動速度，與當前跟蹤目標運動 速度V。進行距離和角度比較，對空間運動關系進行約束，利用sigmoid函數(shù)歸一化，得到空 間位置相似度； e) 根據(jù)每一個采樣框的局部特征相似度、全局特征相似度以及空間位置相似度計算最 終的相似度，取最終相似度最大的采樣框作為當前幀的跟蹤目標的位置，若所有采樣框的 最終相似度的最大值小于預定閾值則認為跟蹤丟失，跳到步驟(4);否則，執(zhí)行f); f) 在跟蹤目標的位置臨近的小范圍區(qū)域生成正樣本框，在跟蹤目標的位置一定距離范 圍的區(qū)域生成負樣本框，通過將正負樣本框縮放到模板框大小計算局部Haar-I ike特征、全 局顏色直方圖特征以及速度;對跟蹤目標的局部特征的概率分布、全局的顏色直方圖信息 以及運動速度進行更新;將當前幀所有候選目標采樣框中相似度最高的采樣框的相似度作 為學習率，進行動態(tài)的更新； g) 獲取視頻下一幀作為當前視頻幀，跳到步驟(3)a)，若無法獲取視頻下一幀，則跳到 步驟(4); 步驟(4)、目標跟蹤結束。2. 根據(jù)權利要求1所述的一種支持目標尺寸變化的實時對象跟蹤方法，其特征在于:在 預處理階段對視頻的成像進行了分析，得到了物體在視頻中成像大小與其位置的關系，具 體來說，在相機成像的圖像中，假設地平面上沿深度方向直線的消失點在圖像中位置為Pv， 物體與地面接觸點在圖像中成像位置為P1,則必定存在一條直線，使得物體在圖像中的大 小，與Pv和P連線在該直線上的投影長度成線性的正比例關系，其中，假設物體與地平面接 觸并且物體各個部分的位置處于同一深度;又因為點在直線上投影是線性變換關系，所以 對于固定場景下的靜態(tài)相機而言，存在常數(shù)加、 &1、&2使得同一目標在相機中成像大小有如 下關系：其中，size(u，v)表示目標處于圖像中坐標(u，v)處在圖像中的大小，size(ut)，Vo)表示 目標處于圖像中坐標(UQ，VQ)處在圖像中的大小;對于常數(shù)ao、ai、a2的求解利用最小二乘法 根據(jù)標定的數(shù)據(jù)進行求解。3. 根據(jù)權利要求1所述的一種支持目標尺寸變化的實時對象跟蹤方法，其特征在于:所 述步驟3,在跟蹤階段，對生成候選目標位置的采樣框的大小會根據(jù)當前采樣位置以及初始 位置矩形框ro進行計算得到準確的目標在圖像中成像的大小。4. 根據(jù)權利要求1所述的一種支持目標尺寸變化的實時對象跟蹤方法，其特征在于:所 述步驟3,采用了局部Haar-Iike特征和全局顏色直方圖特征以及空間位置關系約束對目標 進行跟蹤;首先通過對當前幀圖像的不同顏色通道分別計算預先定義好的Haar-Iike特征， 利用大量的Haar-Iike特征充分表示跟蹤目標的局部特征，通過樸素貝葉斯分類器進行判 別；其中，F(xiàn)i表示所有的Haar-Iike特征值，k表示不同顏色通道，表示符合Gaussian 分布的隨機矩陣，表示在k顏色通道的第i個采樣框的Nh個Haar-Iike特征值，y表示對當 前采樣框的分類，y = 〇表示當前采樣框不是跟蹤目標，y=l表示采樣框是跟蹤目標，P(c |y =0)表示投影值c作為負樣本的概率分布，P(c|y=l)表示投影值c作為正樣本的概率分布 函數(shù)； 然后考慮了全局的顏色直方圖特征，對于跟蹤框內(nèi)的不同位置的像素給予不同的權 重，認為越靠近跟蹤框的中心的像素，其更可能屬于跟蹤目標，故其權重越高，位于跟蹤框 邊緣的像素，其屬于跟蹤目標的可能性比較低，故為其分配較低的權重;根據(jù)這樣的特點， 采用二維的正態(tài)分布為矩形跟蹤框的每個像素分配權重；其中，H(X)表示第X個顏色區(qū)間Bin(X)的像素個數(shù)，r表示矩形框，^、~、^和^分別表 示矩形框的中心位置和矩形的寬和高，灰％^^>表示按照矩形框r基于正態(tài)分布生成的權 重，It表示當前視頻幀圖像，表示處于圖像(u，v)處的像素值;h x(p)表示像素p是否 屬于第X個顏色區(qū)間Bin(X); 最后，對候選目標采樣框的位置進行了約束，對于運動目標的位置來說，在連續(xù)視頻幀 中，運動目標的位置的變化具有連續(xù)性，并且變化較為平滑，不會發(fā)生突然的跳變，這對于 運動目標的跟蹤來說，是一個非常有用的約束條件；其中，V。表示當前跟蹤目標的速度向量，V表示從上一幀目標矩形框中心位置指向當前 矩形框中心位置的向量，看作是當前移動速度，arccos(V。· V)為向量V。和向量V之間通過點 積計算夾角，s為候選目標采樣框的范圍大小的一半，π為圓周率常數(shù)，α為權重常數(shù)。5.根據(jù)權利要求1所述的一種支持目標尺寸變化的實時對象跟蹤方法，其特征在于:步 驟(3)f)采用動態(tài)更新跟蹤目標數(shù)據(jù)的方式對跟蹤模型進行更新;將當前幀所有候選目標 采樣框中相似度最高的采樣框的相似度作為學習率，這樣在動態(tài)的視頻幀序列中，跟蹤目 標的變化會因較高的學習率而快速更新到模型中，同時對于受到干擾的跟蹤目標，在被其 他目標或場景中物體遮擋造成相似度較低的情況下，由于學習率較低，所以會更多地保留 原來的數(shù)據(jù)，使得模型更加魯棒。
【專利摘要】本發(fā)明公開了一種支持目標尺寸變化的實時對象跟蹤方法，首先通過相機成像原理以及一些標定數(shù)據(jù)，對于物體在視頻中成像大小建立了模型，可以通過當前目標位置及初始位置和大小準確地獲取當前跟蹤目標大小，有效提高跟蹤效果的準確度和精度。另外，本方法聯(lián)合了局部Haar-like特征、全局顏色直方圖信息以及空間位置約束，使得目標的表示模型更加魯棒，同時計算復雜度低，能夠保持實時性；其次，對于模型的更新采用了動態(tài)更新的機制，對于匹配度低的情況，更新率較低，抑制了噪音的引入，更好的對目標進行跟蹤。本發(fā)明所述方法對于實時性要求較高且目標在視頻中成像大小變化的場景非常適合，特別是現(xiàn)實的監(jiān)控環(huán)境。
【IPC分類】G06T7/20
【公開號】CN105488815
【申請?zhí)枴緾N201510844876
【發(fā)明人】周忠, 張景昌, 姜那
【申請人】北京航空航天大學
【公開日】2016年4月13日
【申請日】2015年11月26日