The invention discloses a target tracking method based on structured output correlation filter, which mainly solves the problem of tracking failure caused by light illumination change, occlusion, rotation and so on. The steps of the invention are as follows: (1) preprocessing the first frame image; (2) constructing the structured output correlation filter; (3) obtaining the optimal structured output correlation filter; (4) preprocessing the current frame image; (5) determining the position of the target in the current frame image; (6) optimizing the structured output correlation filter. (7) to determine whether all frame images in the tracking video image sequence should be selected, if so, the execution step (4). By constructing a structured output correlation filter, the invention can better describe the information contained in the sample, and make the structured output correlation filter learn the feature of high degree of segmentation, and can track the target steadily and accurately.
【技术实现步骤摘要】
基于结构化输出相关滤波器的目标跟踪方法
本专利技术属于图像处理
,更进一步涉及计算机视觉图像处理
中的一种基于结构化输出相关滤波器的目标跟踪方法。本专利技术采用一种基于结构化输出相关滤波器的方法,实现视频监控、医疗保健、智能交通、机器人导航、人机交互、虚拟现实等领域的运动目标跟踪。
技术介绍
目标跟踪的主要任务是估计视频中目标的轨迹,即从视频图像序列中检测出待跟踪的运动目标,进而在每一帧图像中确定出运动目标的位置。目标跟踪最流行的方法之一是检测跟踪,检测跟踪通常根据判别式学习模型,在线学习一个二进制分类器将目标和背景分离。这类方法的目标是设计一个鲁棒的分类器,动态捕捉目标和背景的差异性特征,适应跟踪过程中的视角、光照、姿态等变化。中国人民解放军国防科学技术大学在其申请的专利文件“一种基于相关滤波的快速稳健视觉跟踪方法”(专利申请号201610943999.2,公开号CN106570893A)中公开了一种基于相关滤波的快速稳健视觉跟踪方法。该方法基于图像局部的时间和空间信息,通过对目标区域进行循环移位来近似模拟采样过程,构建分块循环矩阵并将其变换到频域对所有的采样信息同时进行计算,对下一帧中目标可能出现的位置进行预测和评估。该方法存在的不足之处是,仅对图像中的目标区域进行循环移位构造的相关滤波器对平移中的偏差特别敏感,因此不能很好地推广到其他类型的外观变化,例如照明、视点、尺度、旋转等,从而无法适应实际场景中目标和背景变化时的目标跟踪。HamedKianiGaloogahi等人在其发表的论文“CorrelationFilterswithLimit ...
【技术保护点】
1.一种基于结构化输出相关滤波器的目标跟踪方法,其特征在于,包括如下步骤:(1)标记待跟踪目标的初始位置:(1a)读取待跟踪视频图像序列的第一帧图像;(1b)在第一帧图像中,用矩形框手工标记出待跟踪目标,将矩形框的位置作为待跟踪目标的初始位置;(2)对第一帧图像进行预处理:对第一帧图像进行随机仿射变换,将得到的8幅仿射变换后的图像组成一个训练样本集;(3)构造结构化输出相关滤波器:生成一个行和列全为0、一维向量的维度等于D的结构化输出相关滤波器,其中,D表示第一帧图像中初始位置的待跟踪目标展为一维向量时的维度;(4)获取结构化输出相关滤波器的期望响应:(4a)利用训练样本集,产生一个相关滤波器的期望响应函数;(4b)生成一个行和列全为1、一维向量的维度等于D的标签滤波器,用0扩充标签滤波器的边缘,得到一维向量的维度等于M的已扩标签滤波器,其中,M表示训练样本集中任意一个训练样本展为一维向量时的维度;(4c)用相关滤波器的期望响应函数与已扩标签滤波器相乘,得到结构化输出相关滤波器的期望响应;(5)计算第一帧图像的互相关谱能量和自相关谱能量;(6)采用交替方向乘子算法,得到第一帧图像的最优 ...
【技术特征摘要】
1.一种基于结构化输出相关滤波器的目标跟踪方法,其特征在于,包括如下步骤:(1)标记待跟踪目标的初始位置:(1a)读取待跟踪视频图像序列的第一帧图像;(1b)在第一帧图像中,用矩形框手工标记出待跟踪目标,将矩形框的位置作为待跟踪目标的初始位置;(2)对第一帧图像进行预处理:对第一帧图像进行随机仿射变换,将得到的8幅仿射变换后的图像组成一个训练样本集;(3)构造结构化输出相关滤波器:生成一个行和列全为0、一维向量的维度等于D的结构化输出相关滤波器,其中,D表示第一帧图像中初始位置的待跟踪目标展为一维向量时的维度;(4)获取结构化输出相关滤波器的期望响应:(4a)利用训练样本集,产生一个相关滤波器的期望响应函数;(4b)生成一个行和列全为1、一维向量的维度等于D的标签滤波器,用0扩充标签滤波器的边缘,得到一维向量的维度等于M的已扩标签滤波器,其中,M表示训练样本集中任意一个训练样本展为一维向量时的维度;(4c)用相关滤波器的期望响应函数与已扩标签滤波器相乘,得到结构化输出相关滤波器的期望响应;(5)计算第一帧图像的互相关谱能量和自相关谱能量;(6)采用交替方向乘子算法,得到第一帧图像的最优的结构化输出相关滤波器;(7)从待跟踪视频图像序列中选取一帧图像,作为当前帧图像;(8)对当前帧图像进行预处理:在当前帧图像中,以上一帧图像中待跟踪目标的位置及其8邻域作为测试窗口,取出与训练样本大小相同的多个矩形框,将所有矩形框作为候选样本;(9)按照下式,从空间域截取候选样本,剔除候选样本中的畸形部分,得到结构化输出相关滤波器的响应:其中,Sy表示第y个候选样本对应的结构化输出相关滤波器响应,表示傅里叶域的第y个候选样本;(10)确定当前帧图像中待跟踪目标的位置:(10a)从多个候选样本中,选出结构化输出相关滤波器响应最大的候选样本,将其对应的位置作为当前帧图像中待跟踪目标的位置;(10b)在当前帧图像中标记出待跟踪目标的位置;(11)获取当前帧图像的互相关谱能量和自相关谱能量:(11a)计算当前帧图像的互相关谱能量和自相关谱能量;(11b)按照更新公式,更新当前帧图像的互相关谱能量和自相关谱能量;(12)优化结构化输出相关滤波器:采用交替方向乘子算法,得到当前帧图像的最优的结构化输出相关滤波器;(13)判断是否选取完待跟踪视频图像序列中的所有帧图像,若是,则执行步骤(14),否则,执行步骤(7);(14)结束目标跟踪。2.根据权利要求1所述的基于结构化输出相关滤波器的目标跟踪方法,其特征在于,步骤(2)中所述的对第一帧进行随机仿射变换的具体步骤如下:第一步,用一个1×4的矩阵,对第一帧图像进行裁剪,得到裁剪后的图像;第二步,将平移因子取值为0,在(-2,2)的范围内选取一个值作为旋转因子,将比例因子取值为1;第三步,对三个因子进行运算操作,得到3×2的仿射变换矩阵如下:其中,O表示3×2的仿射变换矩阵,[·]表示矩阵符号,*表示相乘操作,cos(·)表示求余弦操作,theta表示旋转因子,-表示负号,sin(·)表示求正弦操作;第四步,用裁剪后的图像与仿射变换矩阵相乘,得到一幅仿射变换后的图像;第五步,返回执行第二步,重复执行8次,得到8幅仿射变换后的图像。3.根据权利要求1所述的基于结构化输出相关滤波器的目标跟踪方法,其特征在于,步骤(4a)中所述的利用训练样本集,产生一个相关滤波器的期望响应函数的具体步骤如下:第一步,从训练样本集中任选一个训练样本;第二步,从所选的训练样本中任选一个像素点;第三步,按照下式,计算所选像素点与位于所选训练样本中心的像素点之间的距离:q=(x-x0)2+(y-y0)2其中,d表示所选像素点与位于所选训练样本中心的像素点之间的距离,x表示所选像素点的横坐标,x0...
【专利技术属性】
技术研发人员:田小林,贾贺姿,张佳怡,伍丽荣,赵素杰,吴策,赵启明,逯甜甜,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。