一种基于目标自适应投影的自动检测与跟踪方法

技术领域

本发明属于工业计算机视觉领域，涉及背景建模，目标检测，目标跟踪与初始ROI计算的问题。

背景技术

在计算机视觉领域，目标检测和目标跟踪是两个热点研究问题，目前针对这两个问题的研究过程慢慢从传统方法到深度方法进行过渡。在大多数研究工作中，目标检测和目标跟踪被作为两个单独的问题进行研究，而一个理想情况是，对于一个给定的视频序列，算法可以自动地对目标进行框定，并自动地进行跟踪。尽管深度学习方法近年来取得了良好的效果，但是，深度方法需要大量的数据集来训练模型，而在真实的场景中，数据的获取往往是困难的。所以，传统方法还是有其不可或缺的作用，而在传统方法中，采用背景建模的方法做目标检测是一个非常可行的方案，但背景建模的输出可能会包含噪点，一定程度上会影响所提取目标ROI的准确性。因此，根据背景建模方法输出的前景mask，如何准确提取目标ROI，则成为一个关键问题。

发明内容

为了准确提取待目标的ROI，并进行有效跟踪，本发明公开了一种基于目标自适应投影的自动检测与跟踪方法。

本发明所述基于目标自适应投影的自动检测与跟踪方法，其特征在于，包含初始帧附近目标检测步骤，自适应mask选择步骤，ROI提取步骤，目标跟踪步骤；所述初始帧附近目标检测步骤为带权滑动方差法；所述自适应mask选择步骤即选择最优的前景mask；所述ROI提取步骤为自适应投影法；所述目标跟踪步骤为质心法。

优选的，读取待跟踪视频序列信息，对每一帧图像进行RGB到Gray的颜色空间转换；

优选的，带权滑动平均法求图像mask的步骤如下：

步骤(1)：对于第k帧图像F

步骤(2)：计算第k帧的带权方差和S

S

其中，

步骤(3)：计算S

优选的，利用带权滑动方差法求取前M帧的目标mask，最优的mask为前景区域所占比例最大的mask。

优选的，利用最优mask进行自适应投影，其步骤如下：

步骤(1)：对mask进行水平和垂直投影，统计横向和纵向的像素和，分别为D

步骤(2)：计算最优目标的中心位置(P

步骤(3)：设定阈值Q＝0.97，规避噪点影响，计算最优尺度(R

优选的，利用质心法进行有效跟踪，其步骤如下：

步骤(1)：以带权滑动方差法获取的最佳mask所在图像I,和用自适应投影法获取的目标ROI(x,y,roi

步骤(2)：输入下一帧图像，将其转化为灰度图像I

步骤(3)：用下式计算ROI内的帧间差分D：

D(i-x,j-y):＝|I

步骤(4)：采用OTSU法计算分割阈值Th，并用Th对D进行二值化；

步骤(5)：用下式寻找质心C

步骤(6)：用下式更新ROI的坐标(x,y)：

步骤(7)：返回更新后的ROI并重复步骤(2)，直到视频读取完毕。

附图说明

图1是本发明所提方法的流程图；

图2是自适应投影法计算目标ROI的结果(在含有背景噪声的情况下)；

图3是第53帧处通过质心法跟踪的结果；

图4自适应投影法的算法伪代码。

具体实施方式

具体实施方式如图1所示的步骤进行，首先读取前M帧图像，利用带权滑动方差法计算前景mask，并得到最优的mask,即前景目标在整个图像中占比最大的mask；对mask进行自适应投影，并计算目标中心，利用图4所示算法自适应确定目标的宽度和高度；用该ROI初始化质心跟踪器，由于最优mask不一定是第M帧图像，所以针对从最优mask开始到第M帧图像，需要逐帧利用质心法跟踪并更新ROI，以防止直接从第M帧开始跟踪产生的潜在缺陷，即第M帧图像的目标可能与最优mask处所在图像的目标有较大差别。

实验结果

图2所示为通过带权滑动方差法获取的mask与通过自适应投影法获取的ROI，通过调整阈值Q可以有效避免背景噪声对ROI产生的干扰。而且，由于背景噪声相比于前景目标来说，像素和很小，因此，采用本发明的自适应投影法，可有效提取前景目标。当然，采用形态学操作虽然可以一定程度上去除背景噪声，但同时可能也会影响前景目标的形状，影响前景目标的提取效果。图3所示为53帧处通过质心法跟踪的结果，可以看到，跟踪框稳定的套住了前景目标，即使目标存在一些形变。