基于学习和加速鲁棒surf特征的目标跟踪方法

专利名称：基于学习和加速鲁棒surf特征的目标跟踪方法
技术领域：
本发明属于图像处理技术领域，涉及视频目标跟踪方法，可应用于智能监控、目标跟踪和人机界面。
背景技术：
序列图像的目标跟踪是图像处理技术应用的重要组成部分，它是指通过对输入的视频图像序列进行分析，确定各帧中目标所在的位置，获得相关的参数。目标跟踪是计算机视觉中关键技术之一，融合了图像处理、模式识别和人工智能等领域，在机器人视觉导航、安全监测、交通管制、视频压缩以及气象分析等许多方面都有广泛应用。如军事方面，已被成功地应用于武器的成像制导、军事侦察和监视等；民用方面，如视觉监控，已被广泛地应·用于社会生活的各方面。目标跟踪可应用于社区和重要设施的保安监控；用于智能交通系统中进行车辆的实时追踪，可以得到车流量、车型、车速、车流密度等等许多有价值的交通流参数，同时还可以检测事故或故障等突发状况。天津大学提出的专利申请“一种基于模板匹配的目标跟踪方法”(专利申请号201010529681. 2，公开号CN102004898A)公开了一种基于模板匹配的目标跟踪方法。该方法中模板图像和待匹配区域的像素按照圆形排列为多个子窗口，采用圆形模板匹配准则确保目标具有平移和旋转不变性，采用Kirsch算子计算模板和跟踪窗内各像素的边缘强度值，将灰度匹配值与强度匹配值之和作为匹配结果，最佳匹配值的位置确定为跟踪目标的位置，但是它的缺陷是当目标发生遮挡时，匹配出现误差导致跟踪失败。上海电机学院提出的专利申请“一种视觉目标识别与跟踪方法”(专利申请号201010537843. 7，公开号CN101986348A)，公开了一种视觉目标识别与跟踪方法。该跟踪方法包括默认第零帧搜索窗口与图像等大，第一帧图像识别并获得包围框，然后是搜索窗口的预测，它利用图像处理方法对包围框和其中特征点进行计算，同时在目标跟踪的基础上提出了一种可预测的搜索窗口的方法，对标志的目标进行运动预测和跟踪，缩小了搜索范围，该跟踪方法虽然对提高实时性有一定的效果，但是当运动目标发生遮挡或者快速变化时，运用上述预测搜索窗方法则无法实现准确跟踪。

发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于学习和加速鲁棒SURF特征的目标跟踪方法，以提高目标跟踪对目标发生遮挡和运动快速变化的准确性。实现本发明的思路是在视频第一帧定义正负样本来训练一个分类器，输入视频后利用跟踪-在线学习-检测框架对目标进行实时跟踪，为了解决跟踪失败的情况，在系统中加入一个目标的加速鲁棒SURF特征检测器与随进森林检测器作为互补，即提取加速鲁棒SURF特征对目标进行二次检测，实现稳健的目标跟踪。具体实现步骤包括如下(I)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；
(2)通过跟踪-在线学习-检测模型跟踪目标2a)用视频的第一帧对跟踪-在线学习-检测模型进行初始化；2b)将步骤⑴标记出的跟踪目标作为正样本，在正样本附近取100个图像块域作为负样本，并用这些正负样本训练随机森林检测器；2c)从输入视频的第二帧开始，对待跟踪目标进行跟踪与检测；(3)判定跟踪与检测目标的结果3a)设定置信阈值Tc = O. 7，如果跟踪结果的置信值大于Tc，则认为是有效跟踪，即跟踪到了目标，同时用跟踪结果更新随机森林检测器，执行步骤(6)；3b)如果跟踪结果的置信值小于Tc，则认为是跟踪失败，执行步骤(4)；(4)提取目标模板和视频当前帧的SURF特征4a)计算目标模板的积分图像值I1 Σ
权利要求
1.一种基于学习和加速鲁棒SURF特征的目标跟踪方法，包括以下步骤 (1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板； (2)通过跟踪-在线学习-检测模型，对目标进行跟踪 2a)用视频的第一帧对跟踪-在线学习-检测模型进行初始化； 2b)将步骤(I)标记出的跟踪目标作为正样本，在正样本附近取100个图像块作为负样本,并用这些正负样本训练随机森林检测器； 2c)从输入视频的第二帧开始，对待跟踪目标进行跟踪与检测； (3)判定跟踪与检测目标的结果 3a)设定置信阈值Tc = O. 7，如果跟踪结果的置信值大于Tc，则认为是有效跟踪，即跟踪到了目标，同时用跟踪结果更新随机森林检测器，执行步骤(6)； 3b)如果跟踪结果的置信值小于Tc，则认为是跟踪失败，执行步骤(4)； (4)提取目标模板和视频当前帧的加速鲁棒SURF特征 4a)计算目标模板的积分图像值I1 Σ
2.根据权利要求I所述的基于学习和加速鲁棒SURF特征的目标跟踪方法，所述步骤2b)和3a)中的随机森林检测器，是一个包含10个决策树的分类器，在目标检测的过程中，由这10个决策树共同决定分类器的分类结果，即当所有决策树对测试样本进行分类得到它属于目标的概率之和大于阈值Tf = 10X0. 5时，则表示检测到了目标，否则检测失败。
3.根据权利要求I所述的基于学习和加速鲁棒SURF特征的目标跟踪方法，所述步骤(5)中的阈值Td，采用如下公式计算 &杂， 其中，m表示当前帧中特征点的总个数，&表示当前帧的特征向量中第j个元素与目标模板的特征向量中所有元素之间欧式距离的最小值。
全文摘要
本发明公开一种基于学习和加速鲁棒SURF特征的目标跟踪方法，主要解决现有技术中由于目标快速变化或者发生遮挡而导致目标跟踪失败的问题。其实现步骤为(1)输入一段视频中的第一帧，并人工标记出待跟踪目标，同时将标记的目标作为目标模板；(2)通过跟踪-在线学习-检测模型跟踪目标；(3)判定跟踪与检测目标的结果；(4)提取目标模板和视频当前帧的加速鲁棒SURF特征；(5)利用欧氏距离对获得的加速鲁棒SURF特征进行匹配；(6)输出目标跟踪结果，更新目标模板；(7)循环执行步骤(2)～步骤(6)，直到视频结束。本发明与现有的技术相比在目标快速变化或者发生遮挡情况下提高了目标跟踪的鲁棒性。
文档编号G06T7/20GK102945554SQ20121041503
公开日2013年2月27日 申请日期2012年10月25日 优先权日2012年10月25日
发明者田小林, 焦李成, 刘朵, 张小华, 缑水平, 钟桦, 朱虎明, 马文萍 申请人:西安电子科技大学