一种基于背景剔除的目标跟踪方法及装置与流程

本发明属于目标跟踪技术领域，具体涉及一种基于背景剔除的目标跟踪方法及装置。

背景技术：

近年来，随着高性能计算机和高质量且廉价的视频采集设备的出现，以及自动视频分析需求的不断增加，视觉目标跟踪算法已成为计算机视觉领域重要的研究内容之一。

目前这类算法虽然已在军事、交通监控等方面广泛应用，然而一般意义上的跟踪技术还远未成熟，在实际跟踪过程中，由于目标姿态及背景的变化、光照变化、目标部分或全部遮挡等，仍存在跟踪目标易丢失、跟踪准确性和鲁棒性差等问题，要做出真正鲁棒、实用的视觉目标跟踪系统还面临着许多难题。

技术实现要素：

为了解决现有技术中存在的上述问题，本发明提供了一种基于背景剔除的目标跟踪方法及装置。本发明要解决的技术问题通过以下技术方案实现：

本发明的一个实施例提供了一种基于背景剔除的目标跟踪方法，包括：

在第t帧采集图像中选择跟踪目标区域；

对所述跟踪目标区域的图像按照分块模型进行分块处理以形成多个第一子块；

在所述采集图像中以所述跟踪目标区域为中心设置背景区域；

从所述背景区域中选取多个采样点，并以所述采样点为中心形成多个背景区域的第二子块，所述第二子块与所述第一子块的大小一致；

从所述跟踪目标区域的边缘位置处的多个所述第一子块中按照Bhattacharyya系数度量模板剔除与所述第二子块图像特性相似的所述第一子块，所述跟踪目标区域剩余的所述第一子块形成第t+1帧的目标模型；

在第t+1帧图像中根据所述目标模型定位目标以实现跟踪。

在本发明的一个实施例中，对所述跟踪目标区域的图像按照分块模型进行分块处理以形成多个第一子块，包括：

将所述跟踪目标区域的图像分成M×N个第一子块，其中，所述跟踪目标区域为矩形区域，M为所述跟踪目标区域沿宽度方向上形成所述第一子块的个数，N为所述跟踪目标区域沿高度方向上形成所述第一子块的个数。

在本发明的一个实施例中，所述跟踪目标区域的边缘位置处的多个所述第一子块为：

在所述跟踪目标区域沿宽度方向的两侧分别选取M/4个所述第一子块，沿高度方向的两侧分别选取N/4个所述第一子块，最终在所述跟踪目标区域的边缘位置处形成多个所述第一子块。

在本发明的一个实施例中，从所述跟踪目标区域的边缘位置处的多个所述第一子块中按照Bhattacharyya系数度量模板剔除与所述第二子块图像特性相似的所述第一子块，包括：

设置图像特征相似度阈值(τ)；

将边缘位置处的多个所述第一子块作为待剔除子块，将所述待剔除子块与每一个所述第二子块进行相似度比较形成相似度值(ρ_i,j)；

计算所述待剔除子块的平均Bhattacharyya系数公式为：

其中，i为第一子块的序号，i≤M×N；j为第二子块的序号，C为选定的第二字块的个数；ρ_i,j为第i个第一子块与第j个第二子块的相似度值；

比较所述平均Bhattacharyya系数与所述图像特征相似度阈值(τ)，若所述平均Bhattacharyya系数大于所述图像特征相似度阈值(τ)，则剔除所述待剔除子块。

在本发明的一个实施例中，在第t+1帧图像中根据所述目标模型定位目标以实现跟踪，包括：

从所述第t+1帧图像中选取多个候选目标；

对所述多个候选目标按照分块模型进行分块处理形成候选目标子块，并按照Bhattacharyya系数度量模板剔除部分候选目标子块，形成候选目标模型；

对多个所述候选目标模型与所述目标模型进行相似性度量，确定相似性最高的一个所述候选目标模型作为所述目标从而实现跟踪。

在本发明的一个实施例中，从所述第t+1帧图像中选取多个候选目标，包括：

利用粒子滤波方法或者卡尔曼滤波方法在所述第t+1帧图像中选取多个候选目标。

本发明的另一个实施例提供了一种基于背景剔除的目标跟踪装置，包括：

初始化模块，用于在第t帧采集图像中选择跟踪目标区域；

分块处理模块，用于对所述跟踪目标区域的图像按照分块模型进行分块处理以形成多个第一子块；

背景选取模块，用于在所述采集图像中以所述跟踪目标区域为中心设置背景区域；

采样点选取模块，用于从所述背景区域中选取多个采样点，并以所述采样点为中心形成多个背景区域的第二子块，所述第二子块与所述第一子块的大小一致；

剔除模块，用于从所述跟踪目标区域的边缘位置处的多个所述第一子块中按照Bhattacharyya系数度量模板剔除与所述第二子块图像特性相似的所述第一子块，所述跟踪目标区域剩余的所述第一子块形成第t+1帧的目标模型；

定位输出模块，用于在第t+1帧图像中根据所述目标模型定位目标以实现跟踪。

与现有技术相比，本发明的有益效果：提出一种目标区域背景剔除的方法和模型更新方法，使得目标跟踪系统在复杂背景情况下具有更强的抗干扰能力，从而提高目标跟踪的稳定性及准确性。即利用分块处理方式及Bhattacharyya系数度量模板剔除目标背景，从而实现目标的准确跟踪。

附图说明

图1是本发明实施例提供的一种基于背景剔除的目标跟踪方法的流程示意图；

图2是本发明实施例提供的另一种基于背景剔除的目标跟踪方法的流程示意图；

图3a-图3e是本发明实施例提供的一种基于背景剔除的目标跟踪方法的过程示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例1：

请参见图1，图1是本发明实施例提供的一种基于背景剔除的目标跟踪方法的流程示意图；该方法包括：

步骤1、在第t帧采集图像中选择跟踪目标区域；

步骤2、对所述跟踪目标区域的图像按照分块模型进行分块处理以形成多个第一子块；

步骤3、在所述采集图像中以所述跟踪目标区域为中心设置背景区域；

步骤4、从所述背景区域中选取多个采样点，并以所述采样点为中心形成多个背景区域的第二子块，所述第二子块与所述第一子块的大小一致；

步骤5、从所述跟踪目标区域的边缘位置处的多个所述第一子块中按照Bhattacharyya系数度量模板剔除与所述第二子块图像特性相似的所述第一子块，所述跟踪目标区域剩余的所述第一子块形成第t+1帧的目标模型；

步骤6、在第t+1帧图像中根据所述目标模型定位目标以实现跟踪。

其中，步骤2可以包括：

将所述跟踪目标区域的图像分成M×N个第一子块，其中，所述跟踪目标区域为矩形区域，M为所述跟踪目标区域沿宽度方向上形成所述第一子块的个数，N为所述跟踪目标区域沿高度方向上形成所述第一子块的个数。

另外，所述跟踪目标区域的边缘位置处的多个所述第一子块为：在所述跟踪目标区域沿宽度方向的两侧分别选取M/4个所述第一子块，沿高度方向的两侧分别选取N/4个所述第一子块，最终在所述跟踪目标区域的边缘位置处形成多个所述第一子块。

相应地，步骤4包括：

步骤41、设置图像特征相似度阈值(τ)；

步骤42、将边缘位置处的多个所述第一子块作为待剔除子块，将所述待剔除子块与每一个所述第二子块进行相似度比较形成相似度值(ρ_i,j)；

步骤43、计算所述待剔除子块的平均Bhattacharyya系数公式为：

其中，i为第一子块的序号，i≤M×N；j为第二子块的序号，C为选定的第二字块的个数；ρ_i,j为第i个第一子块与第j个第二子块的相似度值；其中，对于选定的第二字块的个数C来说，即产生C个随机数作为C个第二子块的中心位置，这个中心位置所决定的子块宽和高可以与目标宽高平行的，也可以是有一定夹角的，只要子块在所选背景区域内，且与第一子块大小相等均满足要求。

步骤44、比较所述平均Bhattacharyya系数与所述图像特征相似度阈值(τ)，若所述平均Bhattacharyya系数大于所述图像特征相似度阈值(τ)，则剔除所述待剔除子块。

进一步地，步骤5包括：

步骤51、从所述第t+1帧图像中选取多个候选目标；

步骤52、对所述多个候选目标按照分块模型进行分块处理形成候选目标子块，并按照Bhattacharyya系数度量模板剔除部分候选目标子块，形成候选目标模型；

步骤53、对多个所述候选目标模型与所述目标模型进行相似性度量，确定相似性最高的一个所述候选目标模型作为所述目标从而实现跟踪。

其中，步骤51具体为：利用粒子滤波方法或者卡尔曼滤波方法在所述第t+1帧图像中选取多个候选目标。

本实施例，通过分块处理方式及Bhattacharyya系数度量模板剔除目标背景，从而实现目标的准确跟踪。即本发明提出的该目标区域背景剔除的方法和模型更新方法，使得目标跟踪系统在复杂背景情况下具有更强的抗干扰能力，从而提高目标跟踪的稳定性及准确性。

实施例2：

请参见图2及图3a-图3e，图2是本发明实施例提供的另一种基于背景剔除的目标跟踪方法的流程示意图；图3a-图3e是本发明实施例提供的一种基于背景剔除的目标跟踪方法的过程示意图。本实施例在上述实施例的基础上，对本发明的技术方案进行详细说明。具体步骤如下：

步骤1：初始选择跟踪目标

在图3a中，初始帧(第t帧)中选择跟踪目标，所选区域用框表示，如图3b。

步骤2：建立目标分块模型

将整个框所选初始目标区域局部分块，分为M*N个子块(M为宽度方向的子块个数，N为高度方向的子块个数)，每个子块用S_i(i＝1,···,M*N)表示，如图3c所示。

步骤3：背景模型提取

设定背景区域B大小为目标大小的3倍，如图3d所示(斜线所画区域)。在背景区域B内随机取C个点，并分别以这C个点为中心点，取跟子块一样大小的区域为背景模型，每个背景模型用B_j(j＝1,···,C)表示。

步骤4：子块与背景模型相似性度量

目前目标跟踪中，目标区域的选取一般都用四边形画框，因此，所选择的目标区域会包含部分背景信息，对目标的表示造成干扰，显然包含部分背景信息的区域是目标区域的外围子块。因此作如下处理：在局部分块的目标区域，宽度方向取M/4个子块(左右两侧)，高度方向取N/4个子块(上下两侧)，如图3e所示。采用Bhattacharyya系数分别度量所选的每个子块S_i与步骤3中的每个背景模型B_j(j＝1,···,C)之间的相似性ρ_i,j，并计算子块S_i的平均Bhattacharyya系数设定一个阈值τ，若则表示子块S_i与背景相似，应剔除，反之保留。

步骤5：目标模型更新

整个框所选目标区域(步骤1中的框区域)除步骤4中剔除的子块外，剩余的子块就是下一帧的目标模型。

步骤6：选取候选目标

用粒子滤波(或者卡尔曼滤波)在下一帧中选取若干个候选目标。

步骤7：建立候选目标分块模型及候选目标分块模型的更新

对步骤6中所取的若干个候选目标，每个都采用步骤2中的分块方式，并将步骤5中剔除的子块在其对应位置也去除，从而获得候选目标模型。

步骤8：候选目标模型与目标模型的匹配

采用Bhattacharyya系数对每个候选目标模型和目标模型进行相似性度量，相似性最大的候选目标模型所在的位置即为最终的目标定位，并用框表示出来。然后转至步骤2重复上述步骤。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。