The invention discloses a target tracking method based on kernel correlation filtering, which includes the following steps: input the first frame image, calculate the reference sample of the target SIFT feature, get all the target samples after the cycle matrix, and train the classifier according to the target sample; the next frame image is input and the new target area is collected. All the training samples are calculated. The kernel correlation matrix and the regression coefficient of all the target samples and all training samples are calculated. The kernel correlation matrix and the regression coefficient of the classifier are used to calculate the function response values of all positions, and the maximum response position is detected, and then the target position of the current frame is calculated. The BenQ uses cyclic matrix target area to carry out cyclic displacement to realize dense sampling of samples, construct sufficient samples for classifier, and then use nuclear technique to map feature space to higher dimension space, combine fast Fu Liye transform to carry out classifier training and target detection, and finally achieve the goal of tracking target.
【技术实现步骤摘要】
一种基于核相关滤波的目标跟踪方法
本专利技术涉及光电跟踪
,尤其涉及一种基于核相关滤波的目标跟踪方法。
技术介绍
目前,在传统的光电跟踪技术中,主要有基于目标分割和基于目标匹配的两种跟踪技术。在目标分割技术中,主要利用目标和背景的灰度特征,采用基于阈值的分割方法、基于区域的分割方法、基于边界的分割方法及后两者相结合的方法,对图像进行直方图统计,计算出目标分割的阈值,并将图像中像素的灰度值与阈值进行比较,最后将像素根据比较结果分到合适的类别中,完成目标的提取和跟踪。在目标匹配技术中,将模板图像定义成一幅子图像,然后在一幅大图像中搜索与模板图像相似的子图像,找到与模板图像相似子图像的位置,确定目标图像的位置。在匹配过程中,模板匹配通过计算模板图像与子图像的相似度进行判断。如果模板图像与子图像相似度高,则匹配成功,跟踪稳定,反之则失败,跟踪丢失。随着目标跟踪技术所应用到的场景逐渐增加,基于目标分割和基于目标匹配的目标跟踪技术所受到的挑战也越来越大,目前已有的技术很难全面应对实际中的各种复杂场景。在基于目标分割的跟踪技术中,主要利用目标背景的灰度统计特性,计算出目标的分割门限进行目标分割。但当背景复杂时,目标分割阈值计算不准确,无法正确目标分割或无法分割出目标,容易造成跟踪失败,跟踪稳定性较差。在基于目标匹配的跟踪技术中,由于摄像机视角变化或者目标运动的原因,目标形态经常发生变化,目标形态变化导致目标外观特征发生变化。另外,在目标跟踪过程中,当目标从物体后面经过或其它物体在目标面前经过,目标会受到遮挡,此时目标外观特征与目标模板差距变大。以上情况都会造成目标 ...
【技术保护点】
1.一种基于核相关滤波的目标跟踪方法,其特征在于:包括如下步骤:A:首先,输入首帧图像,计算出目标SIFT特征的基准样本,经过循环矩阵后得到所有目标样本,然后根据目标样本训练分类器;B:下一帧图像输入,采集新的目标区域,计算所有训练样本;C:使用基于高斯核函数的核化方法,计算出所有目标样本和所有训练样本的核相关矩阵和分类器回归系数;D:使用核相关矩阵和分类器回归系数计算得到所有位置的函数响应值,检测出最大的响应位置,进而解算出当前帧的目标位置;E:根据当前帧的目标位置,更新目标样本和分类器回归系数,为后续图像目标检测使用做准备。
【技术特征摘要】
1.一种基于核相关滤波的目标跟踪方法,其特征在于:包括如下步骤:A:首先,输入首帧图像,计算出目标SIFT特征的基准样本,经过循环矩阵后得到所有目标样本,然后根据目标样本训练分类器;B:下一帧图像输入,采集新的目标区域,计算所有训练样本;C:使用基于高斯核函数的核化方法,计算出所有目标样本和所有训练样本的核相关矩阵和分类器回归系数;D:使用核相关矩阵和分类器回归系数计算得到所有位置的函数响应值,检测出最大的响应位置,进而解算出当前帧的目标位置;E:根据当前帧的目标位置,更新目标样本和分类器回归系数,为后续图像目标检测使用做准备。2.根据权利要求1所述的基于核相关滤波的目标跟踪方法,其特征在于:所述的步骤A中经过循环矩阵得到所有目标样本具体为:由一个向量x∈Rn通过不断乘上排列矩阵P得到n个循环移位向量,将这n个向量依序排列到一个矩阵中,就形成了由x生成的循环矩阵C(x);在首帧图像中,根据目标的初始信息(x向坐标、y向坐标、x向长度、y向长度),计算目标区域的基准样本;利用基准样本进行移位采样后得到目标区域的循环矩阵,也就是目标区域的所有目标样本。3.根据权利要求1所述的基于核相关滤波的目标跟踪方法,其特征在于:所述的步骤C中,基于高斯核函数的核化方法具体包括如下步骤:对回归参数w用样本x和对偶空间α的线性组合表示如下回归问题就转化为:其中,k(z,xi)就是核函数,核函数使用的是非线性高斯核函数:其中,σ是高斯带宽因子,*表示矩阵共轭,代表矩阵点乘,X代表目标样本,Z代表训练样本,kXZ就是X和Z的核相...
【专利技术属性】
技术研发人员:武林伟,郭会娜,赵晓杰,孙必慎,郑耀锋,王小军,熊卫兵,潘璠,柴淑清,侯志恒,曹玉东,杜光伟,李世伟,秦刚,李博,马宝峰,
申请(专利权)人:中国电子科技集团公司第二十七研究所,
类型:发明
国别省市:河南,41
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。