一种快速空间正则化的目标跟踪方法技术

本发明专利技术公开了提出一种快速空间正则化的目标跟踪方法，首先对当前帧的跟踪区域进行特征提取，然后根据训练好的空间正则化滤波模型进行抑制背景的处理，得到处理后的特征，最后用融合互补因子的目标跟踪滤波器进行计算输出响应结果，找到目标位置；本发明专利技术是快速实现空间正则化的融合HOG特征和颜色直方图的互补因子的目标跟踪方法,针对背景杂乱的视频图像序列，实现快速目标跟踪。

【技术实现步骤摘要】
一种快速空间正则化的目标跟踪方法
本专利技术属于计算机视觉的目标跟踪领域，涉及一种快速实现空间正则化的融合HOG特征和颜色直方图的互补因子的目标跟踪方法。
技术介绍
相关滤波器目标跟踪算法：相关滤波器源于信号处理领域，相关是衡量两个信号相似值的度量，如果两个信号越相似，那么其相关值就越高。在目标跟踪的领域中，设计相关滤波模板，使得当它作用在跟踪目标上时，得到的响应最大。相关滤波器模板通过求解线性回归函数来学习，其中密集训练样本通过循环移动以目标为中心的图像块产生。这种密集采样过程可以表示为循环卷积，可以在频域中有效的求解，从而形成一个高速跟踪器。学习训练好相关滤波模板后，只需要把模板与当前帧的图像作相关操作，将得到的响应结果中最大的那点对应坐标作为目标在当前帧的位置。融合互补因子的目标跟踪算法：使用梯度HOG特征对目标图片进行特征提取供相关滤波器进行学习，得到特征后，根据相关滤波器跟踪算法进行训练学习得到基于HOG特征的输出响应。再通过颜色直方图的统计特征进行基于贝叶斯分类模型的训练，得到基于颜色直方图的输出响应。根据特定线性函数将两个模型的输出响应结果进行融合，(temp表示梯度特征，hist表示颜色直方图特征)得到最终的目标响应，找到相应结果中最大值的位置即目标所在的位置，重复这个步骤直至跟踪结束。参考文献[1]Y.Wu,J.Lim,andM.-H.Yang,“Objecttrackingbenchmark,”IEEETPAMI,vol.37,no.9,pp.1834–1848,2015.[2]L.Bertinetto,J.Valmadre,S.Golodetz,O.Miksik,andP.H.S.Torr,“Staple:Complementarylearnersforreal-timetracking,”inCVPR,2016.
技术实现思路
目标跟踪在当今时代中扮演着重要的角色，例如视频监控、自动驾驶、人机交互以及机器人技术。相关滤波器视觉目标跟踪算法是一个强有力的框架，它具有优异的跟踪精准度和实时帧率。相关滤波系列的方法发展很快，从它的发展过程来看，考虑的尺度越来越多，特征信息也更加丰富，当然计算时间也会相应增加，但总体上说，相关滤波系列的跟踪方法在实时性上优势明显。相关滤波的方法也有一些缺陷，比如目标的快速移动，形状变化大导致更多背景被学习进来等都会对相关滤波系列方法造成影响，本专利技术的目的是为了克服现有技术中的不足，在特征空间中对提取出的特征进行空间正则化得到处理后的特征，结合训练好的融合互补因子的跟踪模板输出响应，得到目标位置。针对背景杂乱的视频图像序列，实现快速目标跟踪。本专利技术的技术方案:一种快速空间正则化的目标跟踪方法，包括如下步骤：第一步，提取前一帧目标的HOG特征，将其空间正则化处理后与原始HOG特征训练并建立空间正则化滤波模型；第二步，提取前一帧目标图像块的HOG特征加入到相关滤波器中训练建立相关滤波模型；第三步，提取前一帧目标图像块的颜色直方图特征后，通过融合互补因子的目标跟踪算法中提出的方法建立基于贝叶斯的分类模型；第四步，将当前帧的图像块经过空间正则化滤波模型处理后的HOG特征与相关滤波模型做卷积操作得到输出响应，将当前帧的颜色直方图特征与基于贝叶斯分类模型做积分运算得到另一个输出响应；第五步，融合所述相关滤波模型和所述基于贝叶斯分类模型通过如下公式计(1)算输出相应函数f(x)f(x)＝γtmplftmpl(x)+γhistfhist(x)(1)其中，γtmpl和γhist是线性参数，ftmpl(x)和fhist(x)分别是通过两个模型得到的输出响应，得到输出响应后，找到最大值即为此帧的目标信息。所述空间正则化滤波模型通过如下公式(2)解出融合互补因子的目标函数实现目标跟踪：所述空间正则化滤波模型建立步骤：第一步，背景抑制处理过程：目标裁剪图像块用符号表示，将其通过简单的方波函数b(·)对图像块O进行空间正则化处理，得到图像块其中，(x,y)表示在图像块Ob和O中的坐标，G(x,y；σ)是使用方差变量σ来控制背景抑制程度的二维高斯函数；第二步，提取特征过程：将裁减图像块O和Ob通过特征提取函数提取出相应的HOG特征及D表示特征图像的通道数；第三步，训练得到空间正则化滤波模型：根据第二步中提取出的HOG特征及训练得到空间正则化滤波模型，在频域中，通过公式(3)解出最小化目标函数V，定义如下：其中，F-1(·)和F(·)傅里叶变换和傅里叶逆变换，表示复共轭，λ1是防止过拟合的正则化项。所述相关滤波模型通过公式(4)解出最小化目标函数其中，W是我们要学习的相关滤波器，Xl和是X和W的第l通道，l∈{1,...,D}，是通过在目标物体位置上具有最大值的二维高斯函数的回归目标，λ2是为了防止过拟合的正则项。所述图像块Ob通过公式(5)Ob(x,y)＝b(O)＝G(x,y；σ)eO(x,y)(5)其中，(x,y)表示在图像块Ob和O中的坐标，G(x,y；σ)是使用方差变量σ来控制背景抑制程度的二维高斯函数。与现有技术相比，本专利技术具有的优点：1)准确度提高。根据在数据集OTB-100[1]进行的实验表明，加入空间正则化滤波模型处理后的目标跟踪方法，与原算法即单纯融合互补因子的目标跟踪算法[2]相比，跟踪成功率提高了2.9％，精确度提高了2.1％。如图2所示，为融合HOG特征和颜色直方图的目标跟踪方法以及本专利技术所提的空间正则化处理后的目标跟踪方法两种算法对比的OPE(onepassevaluation)的成功率和精度。2)特定效果明显提升。在处理背景杂乱、快速运动、遮挡和运动模糊的视频序列时，本专利技术所提出的方法在成功率上与原算法相比提高了4％～7％，有了较明显的效果提升。如图3所示，为融合HOG特征和颜色直方图的目标跟踪方法以及本专利技术所提的空间正则化处理后的目标跟踪方法两种算法在背景杂乱、快速移动、遮挡、运动模糊四种视频数据下的跟踪成功率。3)跟踪速度影响较小。由于加入了空间正则化滤波模型，本专利技术所提出的方法在速度上会慢于原算法，但是，空间正则化滤波模型在傅里叶域中计算非常快，所以在转换到傅里叶域进行算法实现时，对跟踪速度造成的损失很小。如图4所示，为融合HOG特征和颜色直方图的目标跟踪方法以及本专利技术所提的空间正则化处理后的目标跟踪方法两种算法目标跟踪的定性表现，可以看出原算法跟踪目标出现失误，而本专利技术算法跟踪效果良好。附图说明图1为本专利技术流程示意图。图2为融合HOG特征和颜色直方图的目标跟踪方法以及本专利技术所提的空间正则化处理后的目标跟踪方法两种算法对比的OPE(onepassevaluation)的成功率和精度。图3四种特定数据下的成功率。图4两种算法的目标跟踪实验表现。具体实施方式结合附图1对本专利技术的技术方案作进一步说明。为了使本专利技术的目的、技术方案和优点更加清晰，下面结合附图对本专利技术的实施方式作进一步详细描述。本专利技术在实验验证过程中使用跟踪领域中常用数据集OTB-100[1]。同时，为了体现本专利技术提出的目标跟踪算法的准确性和合理性，我们针对数据集中特定的数据如背景杂乱、遮挡等数据重点进行了验证观察。实验表明，与传统的基于相关滤波器的跟踪算法相比，加入空间正则化滤波模型处理本文档来自技高网...

【技术保护点】
1.一种快速空间正则化的目标跟踪方法，其特征在于，包括如下步骤：第一步，提取前一帧目标的HOG特征，将其空间正则化处理后与原始HOG特征训练并建立空间正则化滤波模型；第二步，提取前一帧目标图像块的HOG特征加入到相关滤波器中训练建立相关滤波模型；第三步，提取前一帧目标图像块的颜色直方图特征后，通过融合互补因子的目标跟踪算法中提出的方法建立基于贝叶斯的分类模型；第四步，将当前帧的图像块经过空间正则化滤波模型处理后的HOG特征与相关滤波模型做卷积操作得到输出响应，将当前帧的颜色直方图特征与基于贝叶斯分类模型做积分运算得到另一个输出响应；第五步，融合所述相关滤波模型和所述基于贝叶斯分类模型的输出响应，通过如下公式计(1)算输出响应函数f(x)f(x)＝γtmplftmpl(x)+γhistfhist(x)    (1)其中，γtmpl和γhist是线性参数，ftmpl(x)和fhist(x)分别是通过两个模型得到的输出响应，得到输出响应后，找到最大值即为此帧的目标信息。

【技术特征摘要】
1.一种快速空间正则化的目标跟踪方法，其特征在于，包括如下步骤：第一步，提取前一帧目标的HOG特征，将其空间正则化处理后与原始HOG特征训练并建立空间正则化滤波模型；第二步，提取前一帧目标图像块的HOG特征加入到相关滤波器中训练建立相关滤波模型；第三步，提取前一帧目标图像块的颜色直方图特征后，通过融合互补因子的目标跟踪算法中提出的方法建立基于贝叶斯的分类模型；第四步，将当前帧的图像块经过空间正则化滤波模型处理后的HOG特征与相关滤波模型做卷积操作得到输出响应，将当前帧的颜色直方图特征与基于贝叶斯分类模型做积分运算得到另一个输出响应；第五步，融合所述相关滤波模型和所述基于贝叶斯分类模型的输出响应，通过如下公式计(1)算输出响应函数f(x)f(x)＝γtmplftmpl(x)+γhistfhist(x)(1)其中，γtmpl和γhist是线性参数，ftmpl(x)和fhist(x)分别是通过两个模型得到的输出响应，得到输出响应后，找到最大值即为此帧的目标信息。2.根据权利要求1所述的一种快速空间正则化的目标跟踪方法，其特征在于，所述空间正则化滤波模型通过如下公式(2)解出融合互补因子的目标函数实现目标跟踪：3.根据权利要求2所述的一种快速空间正则化...

【专利技术属性】
技术研发人员：万亮，韩婧，冯伟，陈峙灏，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12