一种视频目标跟踪方法技术

本发明专利技术涉及一种视频目标跟踪方法，解决现有跟踪算法在目标光照下跟踪精度和稳定性低，丢失目标的问题，包括1：获得图像M和目标；2：设定目标波门，若M为第一帧图像，则执行步骤3，反之，执行步骤6；3：在目标波门内，生成e个正样本图像块和d个负样本图像块；4：计算每个正样本图像块和负样本图像块的特征值，并获得模板特征向量；5：对贝叶斯分类器进行初始化后返回步骤1；6：绘制搜索框，在搜索框内选设定R个候选图像块，计算每个候选图像块的模板特征向量，利用贝叶斯分类器进行分类，输出下一帧图像的目标位置；若满足跟踪需求，则结束，反之，执行步骤7；7：计算目标位置的模板特征向量，对贝叶斯分类器更新后，返回步骤1。返回步骤1。返回步骤1。

【技术实现步骤摘要】
一种视频目标跟踪方法


[0001]本专利技术属于视频图像处理领域，特别涉及一种视频目标跟踪方法，可用于视频目标检测跟踪、运动目标分析等。

技术介绍

[0002]随着数字图像处理领域的不断发展，视频目标跟踪技术作为目标分析过程中的关键步骤，其技术也在不断地发展进步。视频目标跟踪是指对包含目标区域的输入视频中每一帧的同一目标进行定位，并将目标最新位置信息作为当前帧跟踪结果输出的过程。
[0003]目前应用最广的视频目标跟踪方法为相关跟踪方法。相关跟踪方法，首先输入目标视频，同时人工给定目标波门(包含目标位置和尺寸信息)，生成一个目标模板，然后依据一定的优化准则，在后续的视频图像帧中查找目标模板出现的最新位置，并将该位置作为目标跟踪结果进行输出，该方法原理简单，易于实现，但如果当前图像中的目标受到光照变化或者形变的影响时，目标图像区域形状会变得不完整或者产生较大的形变，会影响目标模板的位置查找精度，甚至查找目标模板失败。因此，现有跟踪算法在目标光照、形变情况下的跟踪精度和稳定性会降低，甚至丢失目标。

技术实现思路

[0004]本专利技术的目的在于解决现有跟踪算法在目标光照、形变情况下的跟踪精度和稳定性会降低，甚至丢失目标的问题，提出一种视频目标跟踪方法，以减小目标光照、形变对目标跟踪精度的稳定性的影响。
[0005]本专利技术所采用的技术方案是：
[0006]一种视频目标跟踪方法，其特殊之处在于，包括以下步骤：
[0007]步骤1：读取视频的一帧图像，获得图像M以及图像M中的目标；
[0008]步骤2：基于图像M中的目标，设定目标波门，若图像M为视频的第一帧图像，则执行步骤3，反之，执行步骤6；
[0009]步骤3：在目标波门内，随机生成e个正样本图像块和d个负样本图像块，其中e≥2，d≥2，且正样本图像块和负样本图像块不存在重合区域；
[0010]步骤4：基于图像M和目标波门，计算每个正样本图像块和负样本图像块的特征值，并获得模板特征向量；
[0011]步骤5：基于步骤4中的模板特征向量，对贝叶斯分类器H(v)进行初始化，并返回步骤1；
[0012]步骤6：绘制搜索框，在搜索框内选设定R个候选图像块，计算每个候选图像块的模板特征向量，利用贝叶斯分类器进行分类，获得并输出下一帧图像的目标位置；所述候选图像块指目标在下一帧图像中可能的位置，R≥2；
[0013]若目标位置满足跟踪需求，则结束跟踪，反之，执行步骤7；
[0014]步骤7：计算步骤6中的目标位置对应的模板特征向量，对贝叶斯分类器H(v)的参
数进行更新后，返回步骤1。
[0015]进一步的，步骤3中，所述随机生成e个正样本图像块和d个负样本图像块方式为：
[0016]定义：目标波门为(t
x
,t
y
,t
w
,t
h
)；
[0017]正样本图像块的提取范围为以坐标(t
x
,t
y
)中心，[p
w
,p
h
]为宽和高，分别向左右和上下进行延伸所形成的矩形区域，在矩形区域内随机生成e个正样本图像块，其中，2p
w
＜t
w
,2p
h
＜t
h
；
[0018]负样本图像块提取范围为以(t
x
,t
y
)为中心，宽为2nwo，高为2nho的矩形区域以外，宽为2nwi，高为2nhi的矩形以内的回形区域，在回形区域内随机生成d个负样本图像块；其中nwo≥p
w
，nho≥p
h
，2nwi≤t
w
,2nhi≤t
h
。
[0019]进一步的，所述步骤4具体包括以下步骤：
[0020]4.1基于目标波门，生成稀疏特征模板；
[0021]4.2将稀疏特征模板设置在目标波门的T个不同位置，同时在每个位置随机生成2～4个矩形块，并获得每个矩形块的四个角坐标以及随机生成每个矩形块的权重，其中，T≥2；
[0022]通过以下公式随机生成每个矩形块的权重：
[0023][0024]其中，randi(2)是输出值为1或2的随机数算子；Q
r
表示稀疏特征模板处于目标波门的第r个位置时，随机生成的矩形块的数量，wrl表示稀疏特征模板处于目标波门的第r个位置时，第l个矩形块的权重，2≤Q
r
≤4，1≤l≤Q
r
,1≤r≤T；
[0025]4.3基于步骤1中图像M，获得图像M灰度图像的积分图像H，并基于积分图像H、步骤4.2中的每个矩形块的权重和四个角坐标，计算每个正样本图像块和负样本图像块的特征值，并获得每个正样本图像块和负样本图像块的模板特征向量。
[0026]进一步的，所述步骤4.3具体包括以下步骤：
[0027]4.3.1基于步骤1中的图像M，获得图像M的积分图像H；
[0028]4.3.2基于积分图像H、步骤4.2中的每个矩形块的权重和对应矩形块的四个角坐标，计算每个正样本图像块和每个负样本图像块的特征值，并获得每个正样本图像块和每个负样本图像块的模板特征向量；
[0029]4.3.2.1基于积分图像H、步骤4.2中的每个矩形块的权重和对应矩形块的四个角坐标，计算每个正样本图像块和每个负样本图像块的特征值；
[0030]稀疏特征模板处于目标波门的第r个位置时，第个正样本图像块的四个角坐标分别与第l个矩形块对应位置的四个角坐标的线性和为其中，设定图像M的左上角为原点坐标，向右为X轴，向下为Y轴建立二维坐标系，第个正样本图像块的靠近原点的角坐标与第l个矩形块的对应角坐标的线性和为分别为沿逆时针方向角坐标的线性和；
[0031]则第l个矩形块的特征值通过以下公式计算：
[0032]其中，H(
·
)是取积分图像值算子；
[0033]基于每个负样本图像块，计算第l个矩形块的特征值的方法与基于每个正样本图
像块，计算第l个矩形块的特征值的方法相同；
[0034]4.3.2.2获得每个正样本图像块和每个负样本图像块的特征值；
[0035]第个正样本图像块的特征值通过以下公式计算：
[0036][0037]获得每个负样本图像块特征值的方法与获得每个正样本图像块特征值的方法相同；
[0038]4.3.2.3获得每个正样本图像块和每个负样本图像块的模板特征向量。
[0039]进一步的，所述步骤5具体包括以下步骤：
[0040]5.1基于步骤4中的模板特征向量，获得正样本条件概率的均值与方差和负样本条件概率的均值与方差；
[0041]5.2基于获得正样本条件概率的均值与方差和负样本条件概率的均值与方差，初始化叶斯分类器H(v)的参数。
[0042]进一步的，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种视频目标跟踪方法，其特征在于，包括以下步骤：步骤1：读取视频的一帧图像，获得图像M以及图像M中的目标；步骤2：基于图像M中的目标，设定目标波门，若图像M为视频的第一帧图像，则执行步骤3，反之，执行步骤6；步骤3：在目标波门内，随机生成e个正样本图像块和d个负样本图像块，其中e≥2，d≥2，且正样本图像块和负样本图像块不存在重合区域；步骤4：基于图像M和目标波门，计算每个正样本图像块和负样本图像块的特征值，并获得模板特征向量；步骤5：基于步骤4中的模板特征向量，对贝叶斯分类器H(v)进行初始化，并返回步骤1；步骤6：绘制搜索框，在搜索框内选设定R个候选图像块，计算每个候选图像块的模板特征向量，利用贝叶斯分类器进行分类，获得并输出下一帧图像的目标位置；所述候选图像块指目标在下一帧图像中可能的位置，R≥2；若目标位置满足跟踪需求，则结束跟踪，反之，执行步骤7；步骤7：计算步骤6中的目标位置对应的模板特征向量，对贝叶斯分类器H(v)的参数进行更新后，返回步骤1。2.根据权利要求1所述的一种视频目标跟踪方法，其特征在于：步骤3中，所述随机生成e个正样本图像块和d个负样本图像块方式为：定义：目标波门为(t
x
,t
y
,t
w
,t
h
)；正样本图像块的提取范围为以坐标(t
x
,t
y
)中心，[p
w
,p
h
]为宽和高，分别向左右和上下进行延伸所形成的矩形区域，在矩形区域内随机生成e个正样本图像块，其中，2p
w
＜t
w
,2p
h
＜t
h
；负样本图像块提取范围为以(t
x
,t
y
)为中心，宽为2nwo，高为2nho的矩形区域以外，宽为2nwi，高为2nhi的矩形以内的回形区域，在回形区域内随机生成d个负样本图像块；其中nwo≥p
w
，nho≥p
h
，2nwi≤t
w
,2nhi≤t
h
。3.根据权利要求2所述的一种视频目标跟踪方法，其特征在于：所述步骤4具体包括以下步骤：4.1基于目标波门，生成稀疏特征模板；4.2将稀疏特征模板设置在目标波门的T个不同位置，同时在每个位置随机生成2～4个矩形块，并获得每个矩形块的四个角坐标以及随机生成每个矩形块的权重，其中，T≥2；通过以下公式随机生成每个矩形块的权重：其中，randi(2)是输出值为1或2的随机数算子；Q
r
表示稀疏特征模板处于目标波门的第r个位置时，随机生成的矩形块的数量，wrl表示稀疏特征模板处于目标波门的第r个位置时，第l个矩形块的权重，2≤Q
r
≤4，1≤l≤Q
r
,1≤r≤T；4.3基于步骤1中图像M，获得图像M灰度图像的积分图像H，并基于积分图像H、步骤4.2中的每个矩形块的权重和四个角坐标，计算每个正样本图像块和负样本图像块的特征值，并获得每个正样本图像块和负样本图像块的模板特征向量。4.根据权利要求3所述的一种视频目标跟踪方法，其特征在于：
所述步骤4.3具体包括以下步骤：4.3.1基于步骤1中的图像M，获得图像M的积分图像H；4.3.2基于积分图像H、步骤4.2中的每个矩形块的权重和对应矩形块的四个角坐标，计算每个正样本图像块和每个负样本图像块的特征值，并获得每个正样本图像块...

【专利技术属性】
技术研发人员：李翔伟，冯旭斌，张永康，李治国，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：