基于目标跟踪中的模板分块更新算法

韩锐 徐静 万博科技职业学院

引言

现阶段，目标跟踪算法可以划分为基于原图像的模式匹配目标跟踪算法以及基于运动检测的目标跟踪算法。在目标过程中，由于可能被外界障碍物所遮挡，或是出现外观上的变化，因此想要精准的完成目标跟踪，就必须要对相应的模板进行更新。基于此，探究基于目标跟踪的模板分快更新算法有着极高的现实价值。

一、目标跟踪的原理简述

目标跟踪就是在连续的视频序列中，建立所要跟踪物体的位置关系，得到物体完整的运动轨迹；通过给定图像第一帧的目标坐标位置，完成在下一帧图像中目标确切位置的计算。在实际的运动过程中，目标可能会出现一些视觉上的变化，例如姿态或形状的变化、尺度的变化、背景遮挡或光线亮度的变化等，对于目标跟踪算法而言，其主要围绕着解决这些变化和具体的应用展开探究。

二、区分遮挡与外观变化的模板更新

（一）遮挡与外观变化的区分算法

1.分块跟踪算法

在目标跟踪中，需要在当前帧中提取与模板相似程度最高的区域。假定，当前帧的某候选坐标为y，并将一个中心为y+dy的矩形块定义为qty，此时，使用公式就能够计算出各个候选目标与目标模板之间的相似度。其中，代表着块pt和块qty的直方图匹配距离，该数值越小，则表明两块直方图之间的相似程度越高。使用公式可以完成目标各块与模板中对应块之间的匹配距离更新权重。其中，代表着的方差。

2.对可能发生遮挡或外观变化的模板分块进行检测

在上文中，获取了模板各块的权重。一般来说，当这一权重值小于0.5时，则证明目标块的灰度分布发生了较大的变化，极有可能发生遮挡或是外观变化，此时，该目标块可视为无效块处理。

3.无效块的主灰度分量反投影

对于无效块来说，若是其主要由遮挡造成，则该块的灰度分布上更容易出现在前一帧背景区域或是丢失块区域；若是无效块的产生主要由外观变化造成，则该块的灰度分布上更容易出现前一帧目标区域。基于这样的情况，使用将无效块的主灰度分量反投影至前一帧目标以及环形背景的方式更为适用，且能够计算出无效块灰度来源于前一帧目标及背景区域的概率。

在本次研究中，使用MGC替代无效块的灰度分布反投影，利用公式能够计算出无效块的平均直方图。其中，qt代表着无效块、c代表着无效块的数量。选取计算结果中前五个最大的灰度分量，使用如下公式即可完成其空间离散度的计算，即：

在上述公式中，x0代表着目标当前的位置；xi代表着目标及环形背景中p的坐标；δjb代表着Kronecker函数；NB代表着q的总个数。对计算出的空间离散度进行排序，选取前三个小灰度分量作为MGC。

对完成反投影操作的图像进行灰度级扩展以及形态学处理，能够得出：在反投影处理后，图像中的白色像素是的灰度与无效块主灰度相同的像素；在目标被遮挡的情况下，由于灰度变化主要来源于外部障碍物，所以反投影图显示出的无效块MGC普遍俩源于背景中的障碍物；在目标旋转的情况下，由于灰度改变导致无效块产生，所以反投影图显示出的无效块MGC普遍来源于目标。

4.遮挡与外观变化的判断

若是将障碍物当做外观变化而构建起新的模板，则会导致目标完全丢失的问题发生。相比较来说，将外观变化当做遮挡就不会产生模板更新，出现目标完全丢失的概率较低。基于这样的情况，本研究认为遮挡的优先级别高于外观变化。此时，外观变化的判断过程如下：统计整个反投影图中前景像素的个数以及目标区域内前景像素的个数；此时，若是无效块内的灰度属于目标的概率满足则可判定目标出现外观变化，反之课判定为遮挡。其中，th表示阈值，在本研究中设定为0.8。

（二）模板更新规则

在检测中，若发现目标被部分遮挡，则根据算法规则不对模板进行更新，以此避免障碍物信息增加至模板内。结合上述分析能够看出，在大块背景混入目标或是目标外观变化后的灰度与背景保持一致时，会出现将外观变化误判为遮挡的情况。一般来说，背景混入不会发生模板更新，而在灰度一致的情况下，如更新模板会加重干扰，因此不更新模板，并利用其余匹配度较好的分块展开继续跟踪。若目标发生外观变化，仅对权重低于0.5的模板块进行更新。

三、总结

综上所述，使用无效块灰度对目标区域、环形背景区域反投影的方式完成遮挡与外观变化的区分有着更好效果。同时，使用相应的模板更新算法，能够在目标发生遮挡或是外观变化的情况下保证跟踪效果。