A scale adaptive target tracking method for complex background, including the following steps: 1) given the target foreground area Rt for the initial frame to be tracked, select a certain area as the target background area around the target; 2) select a certain amount of target background candidate region in the target background area. 3) the distance matrix S of the target background candidate area is calculated, and any element S (I, K) of the matrix represents the distance between the I background candidate region and the K background candidate region, and then selects the center of the N background candidate region as the target background area through the AP clustering algorithm; and 4) the target background candidate area and target are selected by step 3). Foreground feature extraction; 5) building training samples; 6) constructing correlation filters; 7) target tracking, using 6 w to achieve target tracking. The invention has high accuracy and good robustness.
【技术实现步骤摘要】
一种针对复杂背景的尺度自适应目标跟踪方法
本专利技术属于视觉目标跟踪
,尤其是一种针对复杂背景的尺度自适应目标跟踪方法。
技术介绍
基于视觉的目标跟踪是计算机领域的一个基础问题,近年来随着硬件计算性能的提高和图像特征提取技术的进步,越来越多的优秀目标跟踪算法被提出。但是由于目标跟踪场景的不确定性和被跟踪目标的随机性,当前的目标跟踪算法仍然面临巨大挑战。如目标遮挡、光照变化、复杂背景、目标快速移动以及噪声干扰等。视频目标跟踪方法自20世纪70年代起一直受到人们的高度重视,虽然研究人员针对各种问题提出了许多方法,但迄今为止仍然不存在一个普遍适用的理论和方法,最近几年又出现了许多新思路、新方法或改进算法。视频目标跟踪方法由四个基本模块组成:目标表观特征建模,目标状态搜索,多目标状态关联以及跟踪模型更新。其中目标表观特征建模是根据初始帧的目标区域和后续帧中目标候选区域提取有用的目标特征,然后通过统计学习的方法构造目标观测模型。从一般意义上来说,目标表观特征建模包括两个子模块,即目标特征提取和模型学习。其中特征提取方法的优劣会直接影响到跟踪模型的可靠性和稳定性,而特征模型是整个跟踪算法的核心。目标状态搜索首先根据目标的运动状态进行模型构建,然后通过此运动模型对下一帧的目标状态进行预测。目标状态关联主要是针对多目标跟踪算法,当被跟踪目标存在两个或者两个以上的时候,跟踪算法需要对被跟踪目标进行时空匹配,即保证前后两帧图像中的目标为同一个体。目标模型的更新主要是由于目标在跟踪过程中表观模型(姿态,光照变化等)会发生变化,为了保证跟踪模型能够应这些,因此需要对跟踪模型 ...
【技术保护点】
1.一种针对复杂背景的尺度自适应目标跟踪方法,其特征在于:所述的跟踪方法包括以下步骤:1)给定初始帧待跟踪的目标前景区域Rt,在目标周围选择一定大小区域作为目标的背景区域;2)在目标背景区域采用随机扰动的方法选择一定量的目标背景候选区域Rb,目标背景候选区域的尺度与被跟踪目标尺度保持一致;选定的背景候选的框的中心应该位于Rb中,且目标前景区域的后目标背景候选框的重叠率overlap要小于等于预设阈值,overlap定义为
【技术特征摘要】
1.一种针对复杂背景的尺度自适应目标跟踪方法,其特征在于:所述的跟踪方法包括以下步骤:1)给定初始帧待跟踪的目标前景区域Rt,在目标周围选择一定大小区域作为目标的背景区域;2)在目标背景区域采用随机扰动的方法选择一定量的目标背景候选区域Rb,目标背景候选区域的尺度与被跟踪目标尺度保持一致;选定的背景候选的框的中心应该位于Rb中,且目标前景区域的后目标背景候选框的重叠率overlap要小于等于预设阈值,overlap定义为3)计算目标背景候选区域的距离矩阵S,该矩阵的任一元素S(i,k)表示第i个背景候选区域和第k个背景候选区域的距离,该距离定义为负欧式距离如式(1)所示:然后通过AP聚类算法选择n背景候选区域的中心作为目标的背景区域;4)将步骤3)选的目标背景候选区域和目标前景特征提取,过程如下:4.1)将目标前景区域和被选择的目标背景区域通过高速模糊的方法降低噪声影响;4.2)将目标前景区域和被选择的目标背景通过差值的方法调整为(224*224)的分辨率;4.3)将差值后的目标的前景和背景区域输入VGG-16模型,,将VGG第一个Relu层输出的卷积特征作为目标背景特征表达,然后生成对应样本的循环矩阵(B1,B2,...,Bn);5)构建训练样本,过程如下:5.1)以初始帧标定的目标前景Rt为基样本,构建Rt的循环矩阵A0和对应的样本标签矩阵y0,y0服从Gaussian分布,y0的峰值为1,该峰值位于y0的中心位置;5.2)以目标前景Rt的中心为中心,目标的初始化尺度为基准,根据预设的比例从原始图像中选取新的目标前景,表示为其对应的循环矩阵表示为(A...
【专利技术属性】
技术研发人员:周小龙,李军伟,陈胜勇,邵展鹏,产思贤,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:浙江,33
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。