The invention discloses a blocking based target tracking method based on blocking. Combined with kernel correlation filtering and tracking algorithm, KCF has faster tracking speed and better tracking effect, so that the real-time performance of the score block method is guaranteed. The method uses high confidence model update strategy to solve the problems encountered in KCF model drift occlusion problem, and improving the speed and accuracy of tracking at the same time, using the block method, in the process of tracking target is occluded, the rational use of unoccluded position information and reliability part, more accurate to determine the target location information after occlusion, which improves the tracking robustness to occlusion. Because the method in this invention can satisfy the real time, it can be applied to the real scene.
【技术实现步骤摘要】
一种基于分块的抗遮挡目标跟踪方法
本专利技术属于计算机视觉
,更具体地,涉及一种基于分块的抗遮挡目标跟踪方法。
技术介绍
目标跟踪一直以来都是计算机视觉领域的研究热点,可应用于军事领域、医学领域、视频监控系统、虚拟现实、以及人机交互等场景。目标跟踪的主要作用是对视频流中的目标进行定位跟踪,通过计算机自动标注出目标在视频序列中每一帧中的位置,可以节省大量人力物力。但当前目标跟踪面临着许多难题,特别是复杂的场景(如目标遮挡、图像序列低分辨率、复杂背景、目标快速运动、目标形变等)会使目标跟踪准确率降低,影响使用效果。同时,要想把目标跟踪更多的投入到实际使用中,还需要目标跟踪方法具有实时性。因此研究对这些问题具有鲁棒性且能达到实时的目标跟踪算法也是目标跟踪领域的一大难题。目前基于深度学习方法的目标跟踪方法和基于深度特征的相关滤波目标跟踪方法对目标的特征提取较好,因此在对抗复杂环境干扰时具有较好的鲁棒性,但是现有的大多数该类方法速度都非常慢,难以达到实时。而极少数高速的该类方法跟踪效果却又很差。传统方法中,由于核相关滤波(Kernelcorrelationfilter,KCF)方法具有优秀的跟踪效果,同时跟踪速度也非常快,因此该方法在近几年使用得较多。基于核相关滤波目标跟踪方法主要过程为:(1)初始化阶段:根据给定的目标初始位置,对目标周围一定区域进行循环采样,根据与中心样本的距离给定连续的高斯值作为样本的标签值,提取样本特征得到目标表观模型,同时进行线性方法或岭回归方法,训练得到分类器模型。(2)跟踪阶段:在待跟踪帧的搜索区域进行特征提取,将目标模型与搜索区 ...
【技术保护点】
一种基于分块的抗遮挡目标跟踪方法,其特征在于,包括:(1)输入图像序列的第一帧,设置帧数t=1,对第t帧图像中待跟踪目标所处的目标区域建模得到外观模型和分类器,并对目标区域进行分块,对每块分别进行建模得到各分块对应的外观模型和分类器;(2)若视频序列没有结束,则继续读入图像序列,并更新t,若t≤第一预设值,则进入步骤(3);否则进入步骤(5);(3)对目标区域进行跟踪并更新各分块对应的外观模型参数和分类器参数,计算每一个分块的置信度,若t=第一预设值,则进入步骤(4),否则进入步骤(2);(4)分别计算前预设帧中相同位置处的所有分块的置信度和,选择置信度和处于前N位所对应的N个位置,将选择的N个位置对应的N个分块的分块跟踪器确定为目标分块跟踪器,进入步骤(2),N为正整数;(5)计算当前帧中与选择的N个位置对应的N个分块的置信度,若该N个分块的置信度均小于第二预设值,则进入步骤(6),否则进入步骤(7);(6)将当前帧中待跟踪目标所处的目标区域的位置信息设置为上一帧中待跟踪目标所处的目标区域的位置信息,进入步骤(2);(7)利用N个目标分块跟踪器的跟踪结果确定待跟踪目标的整体位置,并更 ...
【技术特征摘要】
1.一种基于分块的抗遮挡目标跟踪方法,其特征在于,包括:(1)输入图像序列的第一帧,设置帧数t=1,对第t帧图像中待跟踪目标所处的目标区域建模得到外观模型和分类器,并对目标区域进行分块,对每块分别进行建模得到各分块对应的外观模型和分类器;(2)若视频序列没有结束,则继续读入图像序列,并更新t,若t≤第一预设值,则进入步骤(3);否则进入步骤(5);(3)对目标区域进行跟踪并更新各分块对应的外观模型参数和分类器参数,计算每一个分块的置信度,若t=第一预设值,则进入步骤(4),否则进入步骤(2);(4)分别计算前预设帧中相同位置处的所有分块的置信度和,选择置信度和处于前N位所对应的N个位置,将选择的N个位置对应的N个分块的分块跟踪器确定为目标分块跟踪器,进入步骤(2),N为正整数;(5)计算当前帧中与选择的N个位置对应的N个分块的置信度,若该N个分块的置信度均小于第二预设值,则进入步骤(6),否则进入步骤(7);(6)将当前帧中待跟踪目标所处的目标区域的位置信息设置为上一帧中待跟踪目标所处的目标区域的位置信息,进入步骤(2);(7)利用N个目标分块跟踪器的跟踪结果确定待跟踪目标的整体位置,并更新目标分块跟踪器,进入步骤(2)。2.根据权利要求1所述的方法,其特征在于,所述对第t帧图像中待跟踪目标所处的目标区域建模得到外观模型和分类器,包括:设置窗口大小为待跟踪目标所处的目标区域的M倍,窗口中心位置与目标区域中心位置相同,在窗口内对目标区域所形成的目标框进行平移得到不同的样本,根据样本与目标区域中心位置的距离,为各样本分配连续的高斯标签值,M为第三预设值;对窗口所处的区域提取方向梯度直方图HOG特征,并对提取的HOG特征进行快速傅里叶变换得到窗口的外观模型xf,由对xf自身进行高斯相关滤波,其中为傅里叶逆变换,为xf的傅里叶变换,*为复共轭,δ为高斯分布的尺度参...
【专利技术属性】
技术研发人员:凌贺飞,罗巍,李平,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北,42
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。