基于水平集的在线目标轮廓跟踪方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106023155A(43)申请公布日2016.10.12(21)申请号201610303510.5(22)申请日2016.05.10(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人周雪何建石竟邹见效徐红兵(74)专利代理机构成都行之专利代理事务所(普通合伙)51220代理人温利平陈靓靓(51)Int.Cl.G06T7/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书9页附图6页(54)发明名称基于水平集的在线目标轮廓跟踪方法(57)摘要本发明公开了一种基于水平集的在线目标轮廓跟踪方法，先在第一帧目标图像中手动标定初始轮廓，设置水平集轮廓跟踪标志，根据初始目标轮廓来初始化判别式分类器、水平集函数和目标检测器；根据水平集轮廓跟踪标志是否有效来决定是否进行基于判别式表观模型的水平集轮廓跟踪；采用目标检测器进行目标检测；根据轮廓结果和目标结果判断得到目标轮廓跟踪结果，更新初始目标轮廓；然后根据目标轮廓跟踪结果对判别式分类器、水平集函数和目标检测器进行更新，再对下一帧图像进行目标轮廓跟踪。本发明采用基于判别式表观模型的水平集轮廓跟踪和目标检测联合进行目标轮廓跟踪，从而实现高精度、持续性的目标轮廓跟踪。CN106023155ACN106023155A权利要求书1/2页1.一种基于水平集的在线目标轮廓跟踪方法，其特征在于，包括以下步骤：S1：在视频图像的第一帧目标图像中，手动标定初始目标轮廓Cint，设置水平集轮廓跟踪标志A＝1；根据初始目标轮廓Cint来初始化判别式分类器和水平集函数，根据初始目标轮廓Cint的外接矩形来初始化目标检测器；S2：如果水平集轮廓跟踪标志A＝1，进入步骤S3，否则进入步骤S4；S3：对视频图像中的第t帧待跟踪图像进行基于判别式表观模型的水平集轮廓跟踪，具体方法为：对于视频图像中的待跟踪的第t帧图像，首先提取每个像素点的特征向量，采用判别式分类器进行分类，如果分类结果为正，则认为当前像素点包含在目标区域内，则将其置信图对应的像素点标记为1，反之标记为-1，从而得到置信图Iconf；根据置信图Iconf进行水平集进化，得到目标图像的轮廓结果Ct；进入步骤S4；S4：对于视频图像中的第t帧待跟踪图像采用目标检测器进行检测，得到检测结果Dt；S5：分别计算轮廓结果Ct和检测结果Dt的可靠度Pc、Pd，如果轮廓结果Ct或检测结果Dt不存在，则对应可靠度为0；如果Pc＞TP，TP表示预设的可靠度阈值，则判定轮廓结果Ct可靠，否则轮廓结果Ct不可靠；如果Pd＞TP，则判定检测结果Dt可靠，否则检测结果Dt不可靠；S6：只要轮廓结果Ct是可靠的，则将Ct作为最终轮廓跟踪结果并令初始目标轮廓Cint＝Ct，水平集轮廓跟踪标志A＝1；当轮廓结果不可靠而检测结果可靠时，不存在最终轮廓跟踪结果令初始目标轮廓Cint＝Dt，水平集轮廓跟踪标志A＝1；当轮廓结果和检测结果均不可靠时，不存在最终轮廓跟踪结果令水平集轮廓跟踪标志A＝0；S7：当轮廓结果Ct和检测结果Dt都可靠时，对判别式分类器进行更新，更新方法为：求取跟踪结果与检测结果Dt的交集，其中的像素点作为正样本，之外的像素点作为负样本；将正样本和负样本加入判别式分类器的动态样本，在保存动态样本的同时为每个样本记录对应轮廓结果Ct的可信度作为权值，如果动态样本数量超过样本池上限，则在更新的时候保留权值大的正负样本，淘汰权值小的正负样本；采用新的样本池重新训练判别式分类器；如果初始目标轮廓Cint被更新，则采用当前的初始目标轮廓Cint重新初始化水平集函数；当轮廓结果Ct和检测结果Dt都可靠时，对轮廓结果Ct的最大外接矩形与检测结果Dt进行平均得到平均矩形框bavg，根据平均矩形框bavg获得第t帧图像中的目标区域图像，采用该目标区域图像对目标检测器进行重新训练；更新完毕后返回步骤S2对下一帧图像进行目标轮廓跟踪。2.根据权利要求1所述的在线目标轮廓跟踪方法，其特征在于，所述判别式分类器采用SVM分类器。3.根据权利要求1所述的在线目标轮廓跟踪方法，其特征在于，所述目标检测器是由差分分类器、集合分类器和最近邻分类器组成的级联分类器。4.根据权利要求1所述的在线目标轮廓跟踪方法，其特征在于，所述步骤S5中可靠度的计算方法为：计算轮廓结果或检测结果的重叠度Ascore，计算公式为：2CN106023155A权利要求书2/2页其中，Ain表示需要计算可靠度的目标结果；计算质心偏移度Mscore，计算公式为：其中，Mdis表示目标结果Ain的质心与初始目标轮廓Cint的质心的距离，l表示视频图像对角线的长度；可靠度P的计算公式为：P＝αA