(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210421774.6 (22)申请日 2022.04.21 (71)申请人 宜宾电子科技大 学研究院 地址 644000 四川省宜宾市翠屏区临港经 济开发区港园路西段9号208号 (72)发明人 张林　何建　 (74)专利代理 机构 成都智言知识产权代理有限 公司 51282 专利代理师 李勇 (51)Int.Cl. G06V 40/16(2022.01) G06V 20/40(2022.01) G06V 10/50(2022.01) G06V 10/54(2022.01) G06V 10/56(2022.01)G06V 10/74(2022.01) G06V 10/764(2022.01) G06K 9/62(2022.01) (54)发明名称 一种低光照下的人脸跟踪方法 (57)摘要 本发明属于安防监控技术领域， 本发 明提供 一种低光照下的人脸跟踪 方法， 用于解决传统的 人脸跟踪方法容易受光照、 遮挡和目标移动干扰 的问题。 本发明， 将LBP纹理特征融入进传统的 CAMSh ift算法， 且将改进的CAMSh  ift算法融入 进TLD算法； 同时， 将马尔科夫预测融入进算法 中， 通过对目标运动方向的预测， 缩小目标检测 区域； 将改进的CAMSh  ift算法和马尔科夫方向 预测融入进TLD算法中， 实现了目标的长期跟踪 和跟踪窗口的自适应控制。 采用本发明的方案， 克服了光照和遮挡干扰对跟踪算法的影 响； 克服 了因目标的快速移动导致跟踪失败的难题； 提高 了人脸跟踪的准确率和实时性。 权利要求书2页 说明书7页 附图4页 CN 114694232 A 2022.07.01 CN 114694232 A 1.一种低光照下的人脸跟踪方法， 其特 征在于： 包括以下步骤： 步骤一： 读取需要跟踪的视频流， 进行初始化； 步骤二： 基于前一帧图像的目标位置， 通过TLD跟踪模块找到当前帧图像的跟踪的目标 的位置区域； 步骤三： 通过TLD检测模块在目标的位置区域内搜索目标 人脸； 步骤四： 在目标的位置区域内未搜索到目标人脸的图像帧， 采用马尔科夫预测器进行 人脸位置的预测， 得到预测值； 并通过TLD检测模块进行全局检测， 直到检测到目标人脸为 止， 并将检测到目标 人脸时的预测值作为输出 结果进行TLD跟踪模块的更新； 对于在目标的位置区域内搜索到目标人脸的图像帧， 将得到的跟踪结果作为输出， 对 TLD跟踪模块进行 更新； 步骤五： 对上述 步骤二至步骤四进行循环， 直到 视频流结束为止 。 2.根据权利要求1所述一种低 光照下的人脸跟踪方法， 其特征在于： 所述步骤一初始化 包括： 将TLD检测模块和TLD跟踪模块初始化， 找到第一帧图像中所跟踪的目标的位置并进 行标记。 3.根据权利要求1所述一种低光照下的人脸跟踪方法， 其特征在于： 所述TLD检测模块 包括： 采用CAMShift算法得到跟踪的目标的位置区域的颜色直方图， 并获得颜色特征的概率 分布图； 采用LBP算法对跟踪的目标的位置区域中各个纹理级别像素的个数进行统计， 并采用 直方图的形式表示出来， 并将其反向投影得到纹 理特征的概率分布图； 将LBP算法得到的纹理特征的概率分布图与CAMShift算法得到的颜色特征的概率分布 图进行融合 运算， 得到灰度图。 4.根据权利要求3所述一种低光照下的人脸跟踪方法， 其特征在于： 所述TLD检测模块 还包括： 构建扫描窗口： 基于步骤一初始化时标定的跟踪的人脸目标的尺寸， 对灰度图中跟踪 的目标的位置区域进行扫描窗口构建； 筛选扫描窗口： 基于前一帧图像中的目标位置， 以概率方式对当前帧图像中目标区域 中的扫描窗口进行筛 选； 测试扫描窗口： 将得到的扫描窗口送入方差分类器中， 并基于实验得到的扫描阈值来 对扫描窗口中的图像块进行判断， 将大于扫描阈值的图像块保留， 小于或等于扫描阈值的 滤除掉； 将通过方差分类器的扫描窗口送入集合分类器中， 并通过扫描阈值条件进行判断， 滤 除掉不满足扫描阈值条件的扫描窗口中的图像块； 将通过集合分类器的扫描窗口送入最近邻分类器， 对扫描窗口中的图像块进行归一化 处理， 并与步骤一初始化时标定的跟踪的人脸 目标进行匹配， 给出图像块正负样本的判定 结果， 计算出相似度； 基于实验得到的相似度阈值， 保留相似度大于或等于相似度阈值的扫描框中的图像 块， 滤除掉 不满足的； 得到检测模块的结果： 将通过依次通过方差分类器、 集合分类器和最近邻分类器的扫权　利　要　求　书 1/2 页 2 CN 114694232 A 2描窗口输出， 并与跟踪模块得到的结果相结合， 得到在当前帧中跟踪的最终结果； 循环对下一帧图像进行处 理， 直到最后一帧图像处 理完毕为止 。 5.根据权利要求4所述一种低 光照下的人脸跟踪方法， 其特征在于： 所述最近邻分类器 包括： 采用LBP旋转 不变模式对其进行计算， 得到LBP特 征图像； 对得到的LBP特 征图像进行 灰度归一 化计算； 通过 下式进行相关相似度的计算： S+为目标模型的正样本最相邻相似度， S‑为目标模型中负样本最近邻的相似度， Sr为相 关相似度， 其取值范围为0到1之间， 在取值范围内， 当相关相 似度的值越大， 表明该样本代 表目标的可信度就越大； 对相似度大于相似度阈值的图像块进行聚类， 通过跟踪模块对其进行跟踪， 确定跟踪 结果， 并在学习模块的约束下进行 更新； 否则， 将小于相似度阈值的图像块滤除掉。 6.根据权利要求1所述一种低光照下的人脸跟踪方法， 其特征在于： 利用LBP算法对当 前帧图像中各个纹理级别像素 的个数进行统计， 采用直方图表示， 并将其反向投影得到纹 理特征概率分布图。权　利　要　求　书 2/2 页 3 CN 114694232 A 3