一种遮挡环境下的目标检测跟踪方法技术

本发明专利技术公开了一种遮挡环境下的目标检测跟踪方法，包括：获取跟踪视频序列，并在搜索区域内提取所述跟踪视频序列中当前帧图像的前景区域；当前帧图像为第一帧图像时根据第一帧图像获得目标的滤波检测系数和搜索区域内前景区域与背景区域的灰度，当前帧图像不是第一帧图像时，根据前景区域与背景区域的灰度计算搜索区域中各个像素点作为目标的概率，以及滤波检测系数获得目标的最终位置；本发明专利技术使用灰度特征与梯度方向直方图的特征共同确定目标所在位置，控制检测模板的更新频率从而解决部分遮挡和严重遮挡情况下的跟踪问题，提高目标跟踪的准确性和鲁棒性。可以改善严重遮挡情况下目标跟踪效果，提高跟踪可靠性。

A Target Detection and Tracking Method in Occluded Environment

【技术实现步骤摘要】
一种遮挡环境下的目标检测跟踪方法
本专利技术属于图像处理
，更具体地，涉及一种遮挡环境下的目标检测跟踪方法。
技术介绍
红外运动目标跟踪技术在智能监控、安防等军事和民用领域都有着广泛的应用，现实跟踪场景会受多种因素干扰，其中复杂环境所造成的遮挡干扰容易对跟踪方法造成较大的跟踪误差，导致跟踪目标丢失。针对目标被遮挡的问题，通常的处理手段是在目标被遮挡后根据目标运动轨迹的历史状态对目标出现的位置进行预测，当目标逐渐脱离遮挡，算法回归正常的跟踪过程。例如基于卡尔曼滤波轨迹预测方法，依据运动存在的惯性由已知运动目标的位置坐标、速度与加速度信息预估下一时刻目标运动状态。以贝叶斯理论为基础的粒子滤波算法将跟踪问题转化为优化问题，在不断迭代大量离散随机采样粒子的过程中逐步逼近后验概率最大值，该算法能够在目标发生遮挡时利用未被遮挡的粒子信息进行目标位置的估计。然而轨迹预测方法受目标历史信息可靠性影响较大，遮挡时刻的预测性能决定能否在后续帧对目标进行准确的定位。另一方面在存在长时间部分遮挡时，仅利用目标单一特性容易造成较大的误差以致丢失目标，目标模型依赖于目标的再检测，长时间的遮挡导致目标模板更新不及时，当目标逐步复现时，易造成模板不匹配，导致跟踪失败。
技术实现思路
针对现有技术的缺陷，本专利技术的目的在于提供一种遮挡环境下的目标检测跟踪方法，旨在解决现有技术中由于目标在复杂场景中易被干扰物遮挡造成跟踪模板被污染导致跟踪失败的技术问题。本专利技术提供了一种遮挡环境下的目标检测跟踪方法，包括：(1)获取跟踪视频序列，并在搜索区域S内提取所述跟踪视频序列中当前帧图像的前景区域；(2)判断所述当前帧图像是否为第一帧图像，若否，则进入步骤(3)，若是，则根据所述第一帧图像获取目标的滤波检测系数α和所述搜索区域S内所述前景区域O与背景区域B＝S-O的灰度，并进入步骤(5)；(3)根据所述滤波检测系数α对当前帧图像进行相关滤波目标检测后确定目标的第一位置；根据前景区域O与背景区域B＝S-O的灰度计算搜索区域S中各个像素点作为目标的概率，从而确定目标的第二位置；根据所述第一位置和所述第二位置获得目标的最终位置；(4)判断是否对所述滤波检测系数α更新，若是，则对所述滤波检测系数α更新的同时对所述前景区域O与背景区域B＝S-O的灰度进行更新后进入步骤(5)；若否，则只对所述前景区域O与背景区域B＝S-O的灰度进行更新并进入步骤(5)；(5)判断所述当前帧图像是否为最后一帧图像，若是，则结束；若否，则返回至步骤(1)。更进一步地，在步骤(1)中所述提取跟踪视频序列中当前帧图像的前景区域具体为：(1.1)根据相邻两帧图像In与In-1获得每个像素p(i，j)的光流幅度(1.2)由搜索区域S内每个像素点的光流幅度得到光流矩阵(1.3)对光流矩阵V1进行二值化处理，得到中间矩阵V2；其中，前景点值为1，背景点值为0；(1.4)对中间矩阵V2进行形态学开运算去除噪声点，闭运算填充空洞，得到二值矩阵V3：V3＝(V2°Se)·Se；其中，°为开运算操作，·为闭运算操作。Se为结构元素矩阵，其值为：(1.5)对当前帧图像In中的搜索区域S进行超像素分割得到超像素集合U＝{uk}，k＝1，2，3...n，n为超像素个数；(1.6)由二值矩阵V3，统计每个超像素uk包含的像素点总数Nsum与前景像素点个数Nk，若前景像素点个与像素点总数的比值大于δτ，δτ取值为0.4，则uk为前景类超像素，所有前景类超像素的集合构成前景区域O。更进一步地，所述搜索区域S为：S＝{(i，j)|x0-ρ*w0≤i≤x0+ρ*w0，y0-ρ*h0≤j≤y0+ρ*h0}，其中，(i，j)为搜索区域S内的像素点的坐标，(x0，y0)为上一帧图像中得到的目标中心位置坐标，w0为上一帧图像中的目标框宽度，h0为上一帧图像中的目标框高度，ρ为窗口扩大系数，取值与目标运动速度、平台稳定度等有关，一般情况下取1.6。更进一步地，在步骤(2)中，获得所述滤波检测系数α具体为：计算搜索区域S内的方向梯度直方图FHOG特征，在傅里叶域中对FHOG特征矩阵进行循环位移得到训练样本X；计算核空间中的脊回归函数：其中，Φ(X)是一个非线性映射函数，将样本X映射到核空间使其线性可分；y为样本标签；λ是正则化系数，给定其值为1e-3。求解脊回归函数，得到滤波检测系数α在傅里叶域中的表示其中符号^为表达式在傅里叶域中的形式，k为核空间的核矩阵，kXX＝Φ(X)Φ(X)T。将进行时域转换得到滤波检测系数α。更进一步地，步骤(3)中，根据所述第一位置和所述第二位置获得目标的最终位置具体为：(3.1)获得搜索区域S内每一个像素点为目标像素点的概率；获得搜索区域S内相关滤波响应矩阵f；(3.2)根据搜索区域S内每个像素点为目标像素点的概率Pij获得概率矩阵P；(3.3)将概率矩阵P与相关滤波响应矩阵f融合得到最终的响应结果；(3.4)根据所述响应结果获得目标的最终位置。更进一步地，所述目标的最终位置其中，Re为最终的响应结果，Re＝(1-θ)*f+θ*P，θ为融合调整系数，一般取值为0.35。更进一步地，步骤(4)中对所述滤波检测系数α更新具体为：根据搜索区域S内的相关滤波响应值矩阵f获得最大响应值fmax的峰值旁瓣比PSR；给定阈值γ，γ取值为4.8，当峰值旁瓣比PSR大于给定阈值γ时，获得当前帧In搜索区域S内的滤波检测系数α_new，并根据公式α＝(1-inf)*α+inf*α_new对所述滤波检测系数α进行更新；其中，inf为检测模板系数更新学习率，一般取值为0.02。更进一步地，所述峰值旁瓣比PSR为：其中，fmax为相关滤波响应值矩阵中的最大响应值，设最大响应值点的5×5邻域为响应窗口T，μR和σR分别为窗口T以外区域R＝S-T的响应值的均值与标准差。更进一步地，步骤(4)中对所述前景区域O与背景区域B＝S-O的灰度进行更新具体为：统计前景区域O的灰度直方图HO_new，统计背景区域B的灰度直方图HO_new；根据HO＝(1-β)*HO+β*HO_new，HB＝(1-β)*HB+β*HB_new分别对前景区域与背景区域的灰度进行更新；其中，β为直方图更新学习率，一般取值为0.04。与现有技术中默认目标框中的区域全部为前景区域并对其进行特征提取相比，本专利技术中采用光流算法和超像素分割充分提取前景区域，更为精确地提取目标特征，在对前景区域进行灰度直方图的统计时最大化地减少了背景点的干扰。另一方面，本专利技术在对目标跟踪模板进行更新时，采用相关滤波模板与灰度直方图独立更新的方式，由峰值旁瓣比控制相关滤波模板的更新频率，而对灰度直方图进行每帧的灰度更新，在防止相关滤波模板被背景物污染的同时，缓解了其因停止更新造成的模板匹配度低的问题，提高了跟踪算法的精度，减少了实际场景的复杂性和不确定性对目标跟踪技术的限制。附图说明图1为本专利技术实例提供的一种遮挡环境下的目标检测跟踪方法的流程示意图；图2为本专利技术实例提供的光流算法提取运动前景的结果图；其中(a)为原始图像，(b)为基于光流检测的前景区域，(c)为前景区域与原始图像的对比；图3为本专利技术实例提供的光流算法改进后提取的运动前景的结果图；其中(a)为原始图像，(b)为基本文档来自技高网...

【技术保护点】
1.一种遮挡环境下的目标检测跟踪方法，其特征在于，包括：(1)获取跟踪视频序列，并在搜索区域S内提取所述跟踪视频序列中当前帧图像的前景区域；(2)判断所述当前帧图像是否为第一帧图像，若否，则进入步骤(3)，若是，则根据所述第一帧图像获取目标的滤波检测系数α和所述搜索区域S内所述前景区域O与背景区域B＝S‑O的灰度，并进入步骤(5)；(3)根据所述滤波检测系数α对当前帧图像进行相关滤波目标检测后确定目标的第一位置；根据前景区域O与背景区域B的灰度计算搜索区域S中各个像素点作为目标的概率，从而确定目标的第二位置；根据所述第一位置和所述第二位置获得目标的最终位置；(4)判断是否对所述滤波检测系数α更新，若是，则对所述滤波检测系数α更新的同时对所述前景区域O与背景区域B的灰度进行更新后进入步骤(5)；若否，则只对所述前景区域O与背景区域B的灰度进行更新并进入步骤(5)；(5)判断所述当前帧图像是否为最后一帧图像，若是，则结束；若否，则返回至步骤(1)。

【技术特征摘要】
1.一种遮挡环境下的目标检测跟踪方法，其特征在于，包括：(1)获取跟踪视频序列，并在搜索区域S内提取所述跟踪视频序列中当前帧图像的前景区域；(2)判断所述当前帧图像是否为第一帧图像，若否，则进入步骤(3)，若是，则根据所述第一帧图像获取目标的滤波检测系数α和所述搜索区域S内所述前景区域O与背景区域B＝S-O的灰度，并进入步骤(5)；(3)根据所述滤波检测系数α对当前帧图像进行相关滤波目标检测后确定目标的第一位置；根据前景区域O与背景区域B的灰度计算搜索区域S中各个像素点作为目标的概率，从而确定目标的第二位置；根据所述第一位置和所述第二位置获得目标的最终位置；(4)判断是否对所述滤波检测系数α更新，若是，则对所述滤波检测系数α更新的同时对所述前景区域O与背景区域B的灰度进行更新后进入步骤(5)；若否，则只对所述前景区域O与背景区域B的灰度进行更新并进入步骤(5)；(5)判断所述当前帧图像是否为最后一帧图像，若是，则结束；若否，则返回至步骤(1)。2.如权利要求1所述的目标检测跟踪方法，其特征在于，在步骤(1)中所述提取跟踪视频序列中当前帧图像的前景区域具体为：(1.1)根据相邻两帧图像In与In-1获得每个像素p(i，j)的光流幅度(1.2)由搜索区域S内每个像素点的光流幅度得到光流矩阵(1.3)对光流矩阵V1进行二值化处理，得到中间矩阵V2；(1.4)对中间矩阵V2进行形态学开运算去除噪声点，闭运算填充空洞，得到二值矩阵V3：V3＝(V2°Se)·Se；其中，°为开运算操作，·为闭运算操作。Se为结构元素矩阵，其值为：(1.5)对当前帧图像In中的搜索区域S进行超像素分割得到超像素集合U＝{uk}，k＝1，2，3...n，n为超像素个数；(1.6)由二值矩阵V3，统计每个超像素uk包含的像素点总数Nsum与前景像素点个数Nk，若前景像素点个与像素点总数的比值大于δτ，则uk为前景类超像素，所有前景类超像素的集合构成前景区域O。3.如权利要求1或2所述的目标检测跟踪方法，其特征在于，所述搜索区域S为：S＝{(i，j)|x0-ρ*w0≤i≤x0+ρ*w0，y0-ρ*h0≤j≤y0+ρ*h0}，其中，(i，j)为搜索区域S内的像素点的坐标，(x0，y0)为上一帧图像中得到的目标中心位置坐标，w0为上一帧图像中的目标框宽度，h0为上一帧图像中的目标框高度，ρ为窗口扩大系数，取值与目标运动速度、平台稳定度有关。4.如...

【专利技术属性】
技术研发人员：左峥嵘，刘嘉文，王岳环，桑农，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北,42