一种基于目标先验信息的视觉跟踪算法一种基于目标先验信息的视觉跟踪算法
针对运动目标跟踪过程中出现的遮挡问题,提出了基于目标先验信息的视觉显著性遮挡目标跟踪算法。在粒子
滤波框架下,利用目标先验信息生成视觉显著图,并根据粒子区域颜色特征与目标颜色特征模板之间的相似度
来判断遮挡情况。当遮挡发生时,提高特征融合公式中显著性特征的融合权重,从而充分利用目标未被遮挡部
分信息来完成跟踪。实验结果表明,利用目标先验信息的目标跟踪算法能显著提升跟踪遮挡目标的鲁棒性。
吴世东
(中国科学技术大学 自动化系,安徽 合肥 230027)
摘要摘要:针对运动
关键词 关键词:目标跟踪;先验信息;粒子滤波;显著性特征
0引言引言
目标跟踪是计算机视觉领域的重要组成部分,其相关研究成果在三维重构、人脸识别和视频监控等诸多方面均有广泛的应
用[12]。在目标跟踪过程中,面临着复杂环境和目标自身因素的干扰,其中目标局部或全局遮挡对跟踪鲁棒性造成了极大
的挑战。粒子滤波算法[34]是基于贝叶斯滤波和蒙特卡罗模拟的跟踪算法,在目标跟踪中应用非常广泛。
参考文献[56]根据跟踪过程中不同的遮挡情况,提出了遮挡类型的判别方法,通过设定阈值的方式来对遮档情况进行
判断,在不同的情况下使用不同的跟踪算法,提高了解决遮挡问题的能力。
ADAM A等人[7]在2005年CVPR上提出一种基于目标分块的遮挡目标跟踪算法。该算法将目标区域分成许多矩形小
块,以此来构造目标特征模板,然后根据目标平滑运动的假设,在目标可能出现的区域检测目标,匹配度最高的像素点位置作
为跟踪结果。该算法虽然在一定程度上解决了遮挡问题,但是当目标在跟踪过程中遮挡程度较大时,跟踪精度不高。
赵宇宙等人[8]模拟人类视觉中的关注机制,将视觉显著性应用到目标跟踪算法中。该方法利用相关对比算法提取目标
区域中与背景差异较大的小块,用于建立目标模板,然后利用每个小块与目标整体之间的空间映射关系来定位出目标。该算法
由于利用了目标局部有效信息,在一定程度上抑制了遮挡对跟踪鲁棒性的影响。
1粒子滤波算法简介粒子滤波算法简介
蒙特卡罗模拟和贝叶斯滤波是粒子滤波算法的两个核心组成部分。其大致思想是根据对系统状态的观测结果Zt={z0,z1,…
zt}来推测出系统的后验概率分布函数p(xt|z1:t)。根据蒙特卡罗方法,用有限样本点的求和运算来代替积分运算,从而得到目标
状态xt。
根据贝叶斯滤波原理,滤波过程分为状态预测和状态更新两个方面。其中,预测是指在不知道目标状态的情况下,用上一
时刻的跟踪结果来推测出当前时刻目标的大致位置;更新是指用当前时刻的观测结果Zt来对预测结果进行修正,得到系统后验
概率分布函数p(xt|z1:t)。
为方便计算,用带权重的粒子集{xi0:t,wit}N1来近似表示系统概率分布,其中前者为粒子状态,后者为粒子权重。为了方
便计算,根据蒙特卡罗方法,可以用有限样本点的加权求和来表示目标状态,其公式为:
式中,xt即为最终跟踪结果。
2显著性检测算法显著性检测算法
2.1算法计算过程算法计算过程
近年来,视觉显著性[9]获得了广泛关注,出现了很多视觉显著性检测算法[1012]。视觉显著性机制就是模拟人类
视觉特性,从海量的视觉信息当中筛选出有用的信息,提高图像处理效率。
选取颜色特征来表征目标,为了提高颜色特征对于目标与背景的区分能力,对目标区域的特征提取是在HSV颜色空间中
完成的。
根据目标运动平滑假设,利用二阶自回归模型预测出目标大致位置:
xt=2xt-1-xt-2(2)
其中,记xt=[x,y,s]表示目标中心位置坐标和尺度信息。提取出目标区域H通道颜色直方图,记为Ht={h1,h2,
…,hCmax},其中Cmax为H通道bin个数。
将包含目标先验信息的目标区域颜色直方图Ht在整个图片中反向投影,得到视觉显著图SAL,该过程用公式表示为:
SAL(m,n)=255·hμ,ifc(m,n)∈μ(3)