一種抗遮擋人臉跟蹤方法
【專(zhuān)利摘要】本發(fā)明涉及一種抗遮擋人臉跟蹤方法。在發(fā)生遮擋時(shí)，使用改進(jìn)參數(shù)的人臉檢測(cè)算法結(jié)合卡爾曼濾波線(xiàn)性預(yù)測(cè)，在遮擋發(fā)生時(shí)去除直方圖劇烈變化對(duì)Meanshift算法的影響；在人臉遮擋結(jié)束后能夠迅速找到人臉位置，重新恢復(fù)卡爾曼濾波器和Meanshift算法的跟蹤狀態(tài)，有效消除了跟蹤過(guò)程中前景物體對(duì)被跟蹤目標(biāo)的干擾。為了解決人臉檢測(cè)算法實(shí)時(shí)性較差和易受周?chē)嗨粕任矬w干擾的問(wèn)題，在每幾幀中選擇一幀使用Meanshift算法來(lái)提高算法的實(shí)時(shí)性和平滑程度。實(shí)驗(yàn)結(jié)果表明，本發(fā)明所述方法能夠較好地滿(mǎn)足實(shí)時(shí)性和抗遮擋性要求，同時(shí)具有較好的跟蹤魯棒性。
【專(zhuān)利說(shuō)明】一種抗遮擋人臉跟蹤方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于計(jì)算機(jī)視覺(jué)領(lǐng)域，涉及一種抗遮擋人臉跟蹤方法。

【背景技術(shù)】
[0002] 人臉跟蹤技術(shù)是視頻處理、安全保障、計(jì)算機(jī)智能等行業(yè)中十分重要的一個(gè)模塊， 為其他的技術(shù)模塊提供目標(biāo)定位、目標(biāo)預(yù)測(cè)等重要信息。人臉跟蹤算法的魯棒性和實(shí)時(shí)性 是兩個(gè)難以同時(shí)滿(mǎn)足的指標(biāo)，因?yàn)殡S著魯棒性的提升，算法的復(fù)雜程度會(huì)大幅度增加，受限 于有限的計(jì)算機(jī)處理能力，人臉跟蹤的實(shí)時(shí)性必會(huì)下降。在人臉跟蹤過(guò)程中，當(dāng)發(fā)生遮擋時(shí) 對(duì)算法魯棒性要求是最高的，這也是檢測(cè)跟蹤算法能否具有較好的抗干擾性和準(zhǔn)確性的一 個(gè)重要指標(biāo)。當(dāng)發(fā)生遮擋時(shí)，遮擋物體往往會(huì)影響跟蹤算法使得跟蹤失位。
[0003] 現(xiàn)有的抗遮擋跟蹤算法通過(guò)卡爾曼濾波器與均值漂移Meanshift算法進(jìn)行跟蹤， 使用最小二乘向量機(jī)進(jìn)行抗遮擋處理。申請(qǐng)?zhí)枮?00780053643. 0的專(zhuān)利公開(kāi)了一種跟蹤 裝置，其所采用的最小二乘向量機(jī)計(jì)算較為復(fù)雜，而且沒(méi)有針對(duì)人臉跟蹤進(jìn)行優(yōu)化，使得已 有方法在對(duì)人臉跟蹤的實(shí)時(shí)性和準(zhǔn)確度方面都可以進(jìn)行進(jìn)一步的改善和提高。
[0004] 遮擋會(huì)導(dǎo)致跟蹤失位，如圖1所示。當(dāng)人臉被前景遮擋時(shí)，跟蹤算法會(huì)發(fā)生跟蹤失 位，在遮擋結(jié)束后跟蹤算法無(wú)法恢復(fù)跟蹤，從而導(dǎo)致跟蹤失敗。此時(shí)可以通過(guò)人工定位的方 法重新定位跟蹤初始位置，或者使用最小二乘向量機(jī)恢復(fù)人臉跟蹤。但是現(xiàn)有的方法都是 非自動(dòng)的或是沒(méi)有專(zhuān)門(mén)針對(duì)人臉遮擋情形進(jìn)行處理，跟蹤的魯棒性和實(shí)時(shí)性有待提高。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種抗遮擋人臉跟蹤方法，通過(guò)判斷在跟蹤過(guò)程中是否發(fā)生 對(duì)被跟蹤物體的遮擋，以及在遮擋結(jié)束后采取跟蹤自動(dòng)恢復(fù)方法，消除遮擋對(duì)跟蹤算法的 干擾。
[0006] 本發(fā)明提出的抗遮擋人臉跟蹤方法，使用人工手動(dòng)標(biāo)定的方法在視頻流第一幀中 獲取被跟蹤目標(biāo)的位置，通過(guò)跟蹤系統(tǒng)在后續(xù)視頻播放過(guò)程中完成對(duì)已選定目標(biāo)的跟蹤， 同時(shí)輸出每一幀的目標(biāo)坐標(biāo)，由計(jì)算機(jī)自動(dòng)進(jìn)行抗遮擋處理運(yùn)算。方案包括如下技術(shù)內(nèi) 容：
[0007] 1 ?卡爾曼濾波
[0008] 卡爾曼濾波是在無(wú)偏最小均方差準(zhǔn)則下，使用觀測(cè)值和上一時(shí)刻的估計(jì)值線(xiàn)性預(yù) 測(cè)信號(hào)的當(dāng)前值?？柭鼮V波由狀態(tài)方程、觀測(cè)方程以及迭代方程來(lái)描述?？柭鼮V波的 作用為：
[0009] 1)在非遮擋時(shí)，與Meanshift結(jié)合完成目標(biāo)跟蹤。
[0010] 2)在發(fā)生遮擋時(shí)，與人臉檢測(cè)相結(jié)合，預(yù)測(cè)被遮擋的跟蹤目標(biāo)在遮擋發(fā)生時(shí)以及 遮擋發(fā)生后的位置。
[0011] 由卡爾曼濾波的狀態(tài)方程和觀測(cè)方程可得到迭代公式： CN 104318211 A WL 2/4貝

【權(quán)利要求】
1. 一種抗遮擋人臉跟蹤方法，其特征在于包括以下步驟： 步驟1，獲取需檢測(cè)的人臉模板并進(jìn)行初始化，方法如下： 在當(dāng)前播放視頻的第一幀中手動(dòng)框出要被跟蹤人臉的位置，并將此作為目標(biāo)跟蹤的模 板；以該位置為初始數(shù)據(jù)對(duì)卡爾曼濾波算法中的狀態(tài)向量進(jìn)行初始化，同時(shí)設(shè)置轉(zhuǎn)移矩陣、 測(cè)量矩陣、輸入噪聲、測(cè)量噪聲以及協(xié)方差的初始值；Meanshift算法確定搜索目標(biāo)的直方 圖模型、搜索函數(shù)的帶寬以及迭代次數(shù)； 步驟2,根據(jù)人臉的初始位置確定跟蹤目標(biāo)的直方圖，在每一幀中檢測(cè)當(dāng)前跟蹤窗口和 被跟蹤目標(biāo)之間的Bhattacharyya系數(shù)； 步驟3,當(dāng)Bhattacharyya系數(shù)小于一定域值時(shí)，表明檢測(cè)到的人臉未發(fā)生遮擋，采用 卡爾曼濾波算法，利用第k幀目標(biāo)位置數(shù)據(jù)對(duì)第k+Ι幀的跟蹤目標(biāo)位置進(jìn)行預(yù)測(cè)，并將該預(yù) 測(cè)值作為第k+Ι幀Meanshift搜索算法的起始位置進(jìn)行迭代計(jì)算，直到兩幀之間預(yù)測(cè)位置 的均方差小于特定門(mén)限或滿(mǎn)足一定迭代次數(shù)時(shí)，即可得到該視頻幀中跟蹤目標(biāo)位置；同時(shí) 此數(shù)據(jù)是輸入第k+Ι幀卡爾曼濾波器的測(cè)量值；卡爾曼濾波輸出預(yù)測(cè)值作為最終的跟蹤結(jié) 果； 步驟4,當(dāng)Bhattacharyya系數(shù)大于設(shè)定域值時(shí)，表明被跟蹤的物體受到了前景的遮 擋，當(dāng)前跟蹤窗口中的目標(biāo)和目標(biāo)模板相差較大，此時(shí)對(duì)不同幀序號(hào)的視頻幀使用不同的 處理方式；設(shè)定某一常數(shù)，當(dāng)視頻幀不是該常數(shù)整數(shù)倍時(shí)，使用卡爾曼濾波器根據(jù)前一幀預(yù) 測(cè)跟蹤目標(biāo)可能的位置，并提供檢測(cè)窗口，接下來(lái)使用人臉檢測(cè)算法在該窗口中快速、準(zhǔn)確 地檢測(cè)人臉位置，以便在遮擋結(jié)束后迅速地檢測(cè)到人臉的位置，根據(jù)該位置采用卡爾曼濾 波和Meanshift算法，使跟蹤迅速恢復(fù)到未遮擋前步驟3中的狀態(tài)；當(dāng)視頻幀序號(hào)為上述常 數(shù)整數(shù)倍時(shí)，將當(dāng)前巾貞的運(yùn)算方法改為步驟3中的算法模式，即卡爾曼濾波與Meanshift算 法結(jié)合的跟蹤模式；當(dāng)發(fā)生全遮擋時(shí)，人臉檢測(cè)算法無(wú)法檢測(cè)出人臉的位置，此時(shí)將只使用 卡爾曼濾波預(yù)測(cè)結(jié)果，使用人臉檢測(cè)算法隨時(shí)檢測(cè)人臉是否出現(xiàn)，即在人臉遮擋完成后迅 速為卡爾曼濾波提供合理的測(cè)量值，從而恢復(fù)跟蹤； 步驟5,當(dāng)遮擋結(jié)束后，人臉檢測(cè)獲得正確的測(cè)量值和跟蹤窗口，Bhattacharyya系數(shù) 重新回到域值以下，此時(shí)重新使用步驟3中的跟蹤方法； 步驟6,標(biāo)記跟蹤結(jié)果； 將卡爾曼濾波器的輸出值作為跟蹤目標(biāo)的最終跟蹤結(jié)果，并在當(dāng)前幀中使用和跟蹤目 標(biāo)模板大小相同的方框標(biāo)出跟蹤位置，使得方框可以代表跟蹤目標(biāo)的運(yùn)動(dòng)情況，從而實(shí)現(xiàn) 對(duì)人臉位置的標(biāo)定； 步驟7,輸出跟蹤目標(biāo)的軌跡和Bhattacharyya系數(shù)變化情況。
2. 根據(jù)權(quán)利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述的 Bhattacharyya系數(shù)的計(jì)算公式如下：
其中，P(U)為被跟蹤目標(biāo)的直方圖分布，q(u)為當(dāng)前跟蹤窗口的直方圖分布，m代表直 方圖窗口大小，若窗口的長(zhǎng)為K寬為w，則m=hXw; Bhattacharyya系數(shù)的取值范圍為O?I;Bhattacharyya系數(shù)接近于1時(shí)，表明當(dāng)前 位置與被跟蹤物體相似度較小，被跟蹤物體發(fā)生遮擋；Bhattacharyya系數(shù)接近于O時(shí)，表 明當(dāng)前位置與被跟蹤物體相似度較大，被跟蹤物體沒(méi)有發(fā)生遮擋；當(dāng)發(fā)生遮擋時(shí)，人臉跟蹤 的Bhattacharyya系數(shù)會(huì)急劇上升，完全遮擋時(shí)接近為1，所以Bhattacharyya系數(shù)可以用 來(lái)檢測(cè)是否發(fā)生遮擋。
3. 根據(jù)權(quán)利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述的卡爾曼 濾波的迭代公式為：
式中，毛、I1是k、k-l時(shí)刻的系統(tǒng)狀態(tài)，yk是k時(shí)刻的系統(tǒng)觀測(cè)向量；A為狀態(tài)轉(zhuǎn)移矩 陣，B是系統(tǒng)控制矩陣，C是測(cè)量矩陣；P(w)?N(0,Q)，P(V)?N(0,R)，即Q為輸入噪聲的 協(xié)方差矩陣，R為測(cè)量噪聲的協(xié)方差矩陣，Ptl =I，I為單位矩陣。
4. 根據(jù)權(quán)利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述的 Meanshift算法是基于圖像直方圖提出的跟蹤算法，根據(jù)不同像素與被搜索對(duì)象的距離賦 予其不同的加權(quán)值，通過(guò)一定帶寬的核函數(shù)將當(dāng)前搜索范圍的灰度直方圖和已知模板直方 圖進(jìn)行匹配，找出當(dāng)前搜索范圍內(nèi)被跟蹤對(duì)象的質(zhì)心，從而確定被跟蹤目標(biāo)的位置。
5. 根據(jù)權(quán)利要求1所述的一種抗遮擋人臉跟蹤方法，其特征在于，步驟3所述人臉檢測(cè) 用于發(fā)生遮擋后對(duì)于人臉位置的恢復(fù)；為了減少不必要的干擾，人臉檢測(cè)算法將檢測(cè)窗口 設(shè)定為以當(dāng)前跟蹤位置為中心、長(zhǎng)和寬各為60個(gè)像素的范圍內(nèi)；所述人臉檢測(cè)基于人臉膚 色進(jìn)行，通過(guò)人臉的HSV空間中各分量的范圍得到人臉區(qū)域所在位置；人臉在正常色溫下， 受光面的色調(diào)在HSV空間中為藍(lán)色，背光面為紅色；將人臉圖像做二值化處理，將符合人臉 特征的像素賦值1，將非特征像素賦值為〇 ;將二值化的圖像進(jìn)行高斯濾波處理，并按照8連 通域的規(guī)則標(biāo)出連通域，選擇最大的連通域即可得到人臉位置。
【文檔編號(hào)】G06K9/00GK104318211SQ201410551244
【公開(kāi)日】2015年1月28日 申請(qǐng)日期:2014年10月17日 優(yōu)先權(quán)日:2014年10月17日
【發(fā)明者】何嘉煒, 楊盈昀 申請(qǐng)人:中國(guó)傳媒大學(xué)