The invention belongs to the field of digital image processing technology, and discloses a visual target tracking method and intelligent robot based on verification and error correction mechanism; preprocesses the input video sequence; inputs the preprocessed video sequence into the CF Tracker module to obtain an initial BB; and then inputs the BB into the Verification module to verify the accuracy of the current BB; Then, the BB that does not meet the requirements is input into the Error Correction module to obtain a more accurate BB; finally, the above operations are repeated until the end of the entire video sequence. The invention improves speed and accuracy at the same time, and can be applied to many real-time applications; it can well deal with multiple visual challenges such as target occlusion, target reappearance, target fast movement, etc; and a simple and efficient Error Correction module can be integrated into any tracking algorithm.
【技术实现步骤摘要】
基于验证和纠错机制的视觉目标跟踪方法、智能机器人
本专利技术属于数字图像处理
,尤其涉及一种基于验证和纠错机制的视觉目标跟踪方法、智能机器人。
技术介绍
目前,业内常用的现有技术是这样的:视觉目标跟踪是计算机视觉领域的重要研究课题,其主要任务是获取视频序列中感兴趣目标的位置与运动信息,为上层的语义层分析(动作识别、场景识别等)提供基础。视觉目标跟踪在智能视频监控、人机交互、自动驾驶、智能机器人等领域有广泛应用,具有很强的实用价值,因此,视觉目标跟踪算法的研究是数字图像处理中一项十分重要的工作。目标跟踪分为单目标跟踪和多目标跟踪,当前已有很多个目标跟踪算法,由于现实世界里的视频存在着多种视觉挑战,包括光照变化、尺度变化、目标遮挡、目标形变或扭曲、运动模糊、目标快速移动、平面内旋转、平面外旋转、超出视野、背景聚类和低分辨率等,因此需要提出一个更加鲁棒的视觉跟踪算法来应用在现实场景中。当前的视觉目标跟踪算法可以划分为两个分支,基于相关滤波的视觉目标跟踪算法和基于深度学习的视觉目标跟踪算法。现有技术一利用了循环矩阵的多个性质在频域中对目标进行跟踪处理,极大的提升了跟踪的速度和精确度;针对视觉目标跟踪中的尺度问题提出了DSST算法,由于构建高斯金字塔的过程比较耗费时间,随后又提出改进版的fDSST对原始算法进行了加速操作;现有技术二提出了ECO算法,将深度特征和手工特征结合起来,同时采用高斯牛顿法和共轭梯度法来求解非线性最小二乘问题,使得跟踪的精度得到了大幅度的提升。这类算法具有速度快、能够处理大多数的视觉挑战等优点,但是不能很好的的处理目标遮挡、目标消失等问 ...
【技术保护点】
1.一种基于验证和纠错机制的视觉目标跟踪方法,其特征在于,所述基于验证和纠错机制的视觉目标跟踪方法包括:步骤一,读取待跟踪的视频序列,对视频序列进行预处理操作;步骤二,将预处理后的视频序列输入到一个基于相关滤波的跟踪算法中,计算出相应的score map,选取得分映射中具有最大数值的位置作为预测的位置,输出相应的BB;步骤三,首次验证当前BB的可信度,即将最大的score map值和预设置的阈值进行比对,如果其大于该阈值,则返回相应的BB,如果小于该阈值,则进行后续的二次验证操作;步骤四,二次验证当前BB的可信度,即将没有通过验证的BB输入预训练好的孪生网络中,获得当前BB与初始的BB之间的相似度得分,如果该得分大于预设的阈值,返回当前的BB,否则,进行后续的纠错操作;步骤五,将没有通过验证的BB输入到纠错模块中,通过纠错方法来获取到一个更加准确的BB,将其作为最终的结果输出;步骤六,获取视频序列的下一帧图像,重复进行步骤二‑步骤五的操作,直到整个视频终止为止。
【技术特征摘要】
1.一种基于验证和纠错机制的视觉目标跟踪方法,其特征在于,所述基于验证和纠错机制的视觉目标跟踪方法包括:步骤一,读取待跟踪的视频序列,对视频序列进行预处理操作;步骤二,将预处理后的视频序列输入到一个基于相关滤波的跟踪算法中,计算出相应的scoremap,选取得分映射中具有最大数值的位置作为预测的位置,输出相应的BB;步骤三,首次验证当前BB的可信度,即将最大的scoremap值和预设置的阈值进行比对,如果其大于该阈值,则返回相应的BB,如果小于该阈值,则进行后续的二次验证操作;步骤四,二次验证当前BB的可信度,即将没有通过验证的BB输入预训练好的孪生网络中,获得当前BB与初始的BB之间的相似度得分,如果该得分大于预设的阈值,返回当前的BB,否则,进行后续的纠错操作;步骤五,将没有通过验证的BB输入到纠错模块中,通过纠错方法来获取到一个更加准确的BB,将其作为最终的结果输出;步骤六,获取视频序列的下一帧图像,重复进行步骤二-步骤五的操作,直到整个视频终止为止。2.如权利要求1所述的基于验证和纠错机制的视觉目标跟踪方法,其特征在于,所述步骤二中使用改进版ECO-HC算法作为CFTracker:(1)分解卷积:使用滤波集合f1,...,fD中的一个子集f1,...,fC,其中C<D,通过公式实现卷积的分解;(2)ECO-HC对应的loss为:(3)ECO-HC使用高斯牛顿算法和共轭梯度法来优化二次子问题,第i次的高斯牛顿子问题:(4)通过对Sample分类简化训练集,通过混合高斯模型将样本进行分类,得到不同的Component;(5)采用新的模型更新策略,更新间隔为6。3.如权利要求1所述的基于验证和纠错机制的视觉目标跟踪方法,其特征在于,所述步骤三中验证操作包括:(1)利用相关滤波类跟踪器获得在特定序列上面的得分映射图;(2)通过多次试验获得一个比较合适的判决阈值;(3)进行首次验证,即判断获得的得分映...
【专利技术属性】
技术研发人员:宋锐,王智卓,张文庆,贾媛,李云松,王养利,
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。