視頻中多物體實時追蹤系統及其實現方法
【技術領域】
[0001] 本發明設及視頻技術領域，尤其是設及一種視頻中多物體實時追蹤的系統及其實 現方法。
【背景技術】
[0002] 人類在獲取外部信息的過程中，80%的信息是由視覺獲得的。說明通過視覺獲取 的信息量大、利用率高。同時也說明了賦予機器人類視覺功能對發展智能機器是及其重要 的。
[0003] 隨著計算機技術、圖像傳感技術及信息處理技術的發展，人們成功的通過圖像獲 取裝置獲取外部信息，根據像素分布、亮度和顏色等信息轉化為數字信息，供其分析處理的 過程，形成了一 口獨立的學科一-計算機視覺。
[0004] 在視頻中跟蹤快速移動的物體有助于對指定目標的精準定位和相應信息的準確 傳遞，是圖像處理、人工智能識別等技術基礎。
[0005] 現有技術在跟蹤過程中往往存在計算速度慢、精準度不夠等不足。為了解決上述 問題，本案發明人結合自身經驗研發了一種計算速度快且精準度高的視頻中多物體實時追 蹤系統，并提出了其實現的方法。
【發明內容】
[0006] 本發明的目的在于提供一種結構科學合理、計算速度快且精準度高的視頻中多物 體實時追蹤系統及其實現方法。
[0007] 為實現上述目的，本發明提供如下技術方案：
[0008] 本發明首先提供了一種視頻中多物體實時追蹤系統，該系統包括在線視頻播放 器、OpenCV解碼器、RAW數據處理器、智能跟蹤器、W及輸出設備，其特征在于:所述智能跟蹤 器包括用W將經過所述RAW數據處理器格式加工后的圖像轉換成灰度圖的S通道RGB圖像 轉換模塊、用W獲取圖像樣本模板的高斯模糊處理模塊、用W消除跟蹤過程中所出現的高 頻干擾和漏能的=矩形漢寧窗模塊、用W將經過上述模塊處理后的圖片信息分解成幅值譜 并進行初步計算的傅里葉變換和快速傅里葉變換模塊、跟蹤算法模塊、W及多目標跟蹤模 塊。
[0009] 本發明還提供了一種視頻中多物體實時追蹤的實現方法，該方法包括W下步驟：
[0010] 步驟SOI、打開任意多個在線視頻，在任意想追蹤的多個物體上均用鼠標拉一個小 框，該小框內的圖像內容將被定為目標物體；
[0011] 步驟S02、利用化enCV解碼器將上述步驟SOl中所選定的目標物體進行圖像解碼；
[0012] 步驟S03、利用RAW數據處理器對上述步驟S02中解碼后的圖像進行加工處理，該加 工處理主要包括給解碼后的原始圖像添加噪聲擾動、光照擾動、W及白化擾動，W提高上述 原始圖像在跟蹤過程中對環境的適應能力，同時利用=矩形漢寧窗模塊消除跟蹤過程中所 出現的高頻干擾和漏能；
[0013] 步驟S04、將經過上述步驟S03中加工處理后的目標物體及其區域作為指定目標， 并利用S通道RGB圖像轉換模塊將該指定目標所對應的圖像轉換成灰度圖，W便減少信息 量，提升運算速度；
[0014] 步驟S05、將上述步驟S04中經過S通道RGB圖像轉換模塊轉換后的指定目標的尺 寸擴大1.5倍，得到可W作為跟蹤檢測的有效區域樣本模板；
[0015] 步驟S06、任意取下一帖畫面信息與上述步驟S05中所得到的樣本模板進行平移比 對，并利用跟蹤算法模塊來快速精準判斷指定目標在下一帖的準確位置和尺寸大小；
[0016] 步驟S07、同樣利用跟蹤算法模塊實現多個指定目標跟蹤鎖定。
[0017] 本發明的有益效果是，通過核屯、計算對=矩形漢寧窗模塊的有效判斷，在只進行 半個一維計算的狀態下就可W得到所需的最終二維漢寧窗值，速度極快。通過對跟蹤算法 模塊中的計算公式優化設計加速實現了跟蹤算法值。精準度也大幅提高。
【附圖說明】
[0018] 圖1是本發明：視頻中多物體實時追蹤系統的框架示意圖；
[0019] 圖2是本發明：視頻中多物體實時追蹤的實現方法的結構圖。
【具體實施方式】
[0020] 下面將結合本發明實施例，對本發明實施例中的技術方案進行清楚、完整地描述， 顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的 實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都 屬于本發明保護的范圍。
[0021] 參照圖1所示的一種視頻中多物體實時追蹤系統，該系統包括在線視頻播放器1、 化enCV解碼器2、RAW數據處理器3、智能跟蹤器4、W及輸出設備5。其中，所述智能跟蹤器4包 括用W將經過所述RAW數據處理器3格式加工后的圖像轉換成灰度圖的S通道RGB圖像轉換 模塊41、用W獲取圖像樣本模板的高斯模糊處理模塊42、用W消除跟蹤過程中所出現的高 頻干擾和漏能的=矩形漢寧窗模塊43、用W將經過上述模塊處理后的圖片信息分解成幅值 譜并進行初步計算的傅里葉變換和快速傅里葉變換模塊44、跟蹤算法模塊45、W及多目標 跟蹤模塊46。在所述智能跟蹤器4中還內置有一可動態設置比對尺寸的物體形變及尺度變 化自適應模塊47。
[0022] 其中，所述=矩形漢寧窗模塊43為只進行X方向和y方向計算的二維漢寧窗模塊， 該二維漢寧窗模塊的運行計算如下式所示：
[0024] h(n)表不局頻脈沖響應，N為波長；
[0025] 為了滿足苛刻的時間要求，實現實時跟蹤，本發明首先對X方向和y方向上的漢寧 窗N值進行判斷，若Nx = Ny,則，本發明只需計算X方向上的漢寧窗，不計算y方向，并將所得 計算值直接進行矩陣相乘，進而得到所需的最終二維漢寧窗值；
[0026] 其中，當n為偶數時，只需計算X方向上(T(n/2)-l的漢寧窗值，
[0027] 當n為奇數時，只需計算X方向上(T((n+l)/2)-l的漢寧窗值，至此，X方向上一維的 漢寧窗計算完畢，進而可得，本發明是將上述二維漢寧窗模塊的運行計算轉化成了半個一 維計算。
[0028] 如圖2所示的一種視頻中多物體實時追蹤的實現方法，該實現方法包括W下步驟：
[0029] 步驟SOI、選目標:打開任意多個在線視頻，在任意想追蹤的多個物體上均用鼠標 拉一個小框，該小框內的圖像內容將被定為目標物體；
[0030] 步驟S02、解碼:利用化enCV解碼器將上述步驟SOl中所選定的目標物體進行圖像 解碼；
[0031] 步驟S03、加工處理:利用RAW數據處理器對上述步驟S02中解碼后的圖像進行加工 處理，該加工處理主要包括給解碼后的原始圖像添加噪聲擾動、光照擾動、W及白化擾動， W提高上述原始圖像在跟蹤過程中對環境的適應能力，同時利用=矩形漢寧窗模塊消除跟 蹤過程中所出現的高頻干擾和漏能；
[0032] 步驟S04、轉換為指定目標:將經過上述步驟S03中加工處理后的目標物體及其區 域作為指定目標，并利用S通道RGB圖像轉換模塊將該指定目標所對應的圖像轉換成灰度 圖，W便減少信息量，提升運算速度；
[0033] 步驟S05、擴大尺寸:將上述步驟S04中經過S通道RGB圖像轉換模塊轉換后的指定 目標的尺寸擴大1.5倍，得到可W作為跟蹤檢測的有效區域樣本模板；
[0034] 步驟S06、模板匹配計算:任意取下一帖畫面信息與上述步驟S05中所得到的樣本 模板進行平移比對，并利用跟蹤算法模塊來快速精準判斷指定目標在下一帖的準確位置和 尺寸大小。該跟蹤算法最根本的本質在于模板匹配，現有同類技術的模板匹配速度極慢，而 本發明所提供的模板匹配技術有=大特點：
[0035] 1)不僅會匹配正樣本，也會匹配負樣本，從而提高了正負樣本的區分性，而同類技 術的模板匹配只匹配正樣本。
[0036] 2)基于人體圖像特征在頻率域進行匹配，而通常的模板匹配算法是基于像素匹配 并且是在空間域做的，效果差，速度慢。為了對人體圖像特征的計算進行加速，本發明使用 了 Intel的SSE2指令集進行了加速。
[0037] 3)本發明采取了類似于SVM的核函數來將低維度的非線性分類問題映射到高維度 的線性分類問題，其中，本發明使用的是高斯核函數。
[0038] 所述步驟S06中所述的跟蹤算法模塊將通過如下分步驟來實現加速計算：
[0039] 步驟S061、模板訓練:給跟蹤算法模塊假設并給定一些模板訓練樣本及其回歸值， 如{(xi，yi)，（X2，y2)，...，（xi，yi)，...};
[0040] 步驟S062、找函數:使得該模板訓練樣本的最終目標是找到一個函數f(z)=wTz， 并使得如下殘差函數最小：
[0041 ] !濟)公{/(X，）--如3 中 Allwf i
[0042]步驟S063、給出系數表示公式:將要求解的系數W表示為W下形式：
[0044]進而使最終要求解的參數由W變為系數Al地a且表示如下式：
[0046] 其