基于KCF和人脑记忆机制的运动目标跟踪方法技术

本发明专利技术公开了一种基于KCF和人脑记忆机制的一种运动目标跟踪方法。将基于人脑记忆机制的视觉信息处理认知模型引入到KCF算法的目标模板更新过程，基于记忆的模板更新(Memory‑based Template Updating,MTU)的方法形成一种全新的模型更新策略，使得每个模板都要经过瞬时记忆、短时记忆和长时记忆三个空间的传输和处理。目标跟踪过程中，根据当前帧目标模板与记忆空间中目标模板的匹配程度按照不同的更新策略对目标模板进行更新。通过有效记忆先前出现的场景，使得该方法在当前目标发生姿态突变、短暂消失后重现以或发生遮挡等问题时依然能持续鲁棒的跟踪。

Moving object tracking method based on KCF and human brain memory mechanism

The invention discloses a moving object tracking method based on KCF and the memory mechanism of the human brain. The visual information processing mechanism of human brain memory cognitive model is introduced into the KCF algorithm of target template update process based on memory based on template update (Memory based Template Updating, MTU) method for the formation of a new model update strategy, transmission and processing, so that each template must pass through the sensory memory, short-term memory and long-term three memory space. In the process of target tracking, the target template is updated according to the matching degree of the current frame target template and the target template in the memory space according to different update strategies. By effectively remembering the previous scene, the method can keep robust tracking when the current target has a sudden change of attitude, a recurrence after a short time, or occlusion.

【技术实现步骤摘要】
基于KCF和人脑记忆机制的运动目标跟踪方法
本专利技术涉及一种图像序列中运动目标的跟踪方法，具体涉及一种基于核相关滤波算法(KCF,KernelizedCorrelationFilter)和人脑记忆机制的运动目标跟踪方法，属于计算机视觉

技术介绍
运动目标跟踪是计算机视觉领域的重要研究方向，广泛应用于智能安防、视觉监控、人机交互等领域。近年来，目标跟踪技术虽然取得了较大进展，但仍然难以实现光照变化、目标几何变形、目标遮挡、快速运动等复杂条件下的准确目标跟踪。目前，基于判别的目标跟踪方法已成为主流，包括：基于核结构化输出(Structuredoutputtrackingwithkernel,Struck)跟踪方法、跟踪-学习-检测(Tracking-Learning-Detection,TLD)跟踪方法、多样例学习(MultipleInstanceLearning,MIL)跟踪算法等。此类方法的基本思想为：通过已有的样本训练二值分类器，然后利用二值分类器对搜索区域进行分类，使分类器置信值最大的点即目标位置，从而区分目标和背景。基于判别的目标跟踪方法采用稀疏采样方式，即在目标周本文档来自技高网...

【技术保护点】
一种基于KCF和人脑记忆机制的运动目标跟踪方法，其特征在于：步骤1：初始化记忆空间和跟踪窗口。初始化记忆空间，以用来保存目标匹配模板的特征qt、分类器的参数αt和分类器目标模板xt。输入视频第一帧，确定初始目标跟踪窗口(可手动框选目标或根据目标初始位置数据确定)。步骤2：计算跟踪窗口的特征。分别计算出当前跟踪窗口的梯度方向直方图(Histogram of Oriented Gradients，HOG)特征和灰度直方图特征。步骤3：分类器训练。利用循环样本学习一个分类器f(x)，f(x)为非线性分类器，分类器的响应为：

【技术特征摘要】
1.一种基于KCF和人脑记忆机制的运动目标跟踪方法，其特征在于：步骤1：初始化记忆空间和跟踪窗口。初始化记忆空间，以用来保存目标匹配模板的特征qt、分类器的参数αt和分类器目标模板xt。输入视频第一帧，确定初始目标跟踪窗口(可手动框选目标或根据目标初始位置数据确定)。步骤2：计算跟踪窗口的特征。分别计算出当前跟踪窗口的梯度方向直方图(HistogramofOrientedGradients，HOG)特征和灰度直方图特征。步骤3：分类器训练。利用循环样本学习一个分类器f(x)，f(x)为非线性分类器，分类器的响应为：其中α为分类器参数，α＝[α0,α1,…,αn-1]T，设K为核矩阵，Kij＝κ(xi,xj)，K为循环矩阵，为K的第一行。步骤4：计算响应度。利用非线性分类器进行检测，即样本通过核函数进行了映射，分类器响应如下所示：定义Kz矩阵：此为循环矩阵。f(z)＝(Kz)Tα，其中f(z)＝[f1,f2,…,fn]T，其中为Kz的第一行。步骤5：目标定位。将公式(2)所得的变换回时域，响应最大的值所对应的区域被认为是目标的检测位置。步骤6：记忆空间与分类器更新。初始化记忆空间后，输入的每个目标模板都要经过瞬时记忆、短时记忆和长时记忆三个空间的传输和处理。目标跟踪过程中，根据当前帧目标模型与记忆空间中目标模板的匹配程度按照不同的更新策略对目标模板进行更新。若匹配成功，则同时更新匹配模板参数和分类器参数，为下一帧目标的预测和跟踪做好准备；若匹配不成功，若当前的目标模板满足一定的条件即可存储到记忆空间中作为新的目标模板。2.如权利要求1所述的一种基于KCF和人脑记忆机制的运动目标跟踪方法，其特征在于：步骤6所述的记忆空间与分类器更新过程具体包括如下步骤：步骤6.1瞬时记忆空间存储。视频的输入为当前估计模板，将当前帧的目标估计模板即其灰度直方图特征存储在瞬时记忆空间中。步骤6.2短时记忆空间匹配。当前模板存储与短时记忆空间的第一个位置，将瞬时记忆空间存储的灰度直方图与短时记忆空间中的当前模板进行匹配，计算出相似度ρ，预定义当前模板的匹配阈值为Tdc，若ρ>Tdc，则匹配成功；若ρ<Tdc，则匹配失败。而后，将瞬时记忆空间存储的灰度直方图与短时记忆空间中的其他模板进行匹配，预定义短时记忆空间的匹配阈值为Tds，若ρ>Tds，则匹配成功，而后根据当前样本对目标模板进行更新，如下式所示：qt＝(1-ε)qt-1+εp(3)其中，qt为当前模板，p是瞬时空间的估计模板，ε是更新速率。如果短时记忆空间中不存在匹配分布，记短时空间中最...

【专利技术属性】
技术研发人员：宋勇，赵尚男，赵宇飞，李云，李旭，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11