基于自适应特征融合的目标跟踪制造技术

本发明专利技术提出了一种自适应特征融合的目标跟踪方法，包括：在第一帧图像中，初始化目标区域，构造位置滤波器和尺度滤波器；在目标周围提取检测样本，分别计算方向梯度直方图(Histogram of Oriented Gradient，HOG)特征以及颜色(Color Name，CN)特征，通过位置滤波器获得响应值；根据响应值计算特征权重，归一化权重系数，融合特征响应值，选取响应值最大的点作为目标的中心位置；根据目标响应判断是否出现遮挡，遮挡情况下，只更新尺度滤波器，不更新目标位置滤波器，循环处理，获取每一帧的目标位置。本发明专利技术的优点在于：提出了一种自适应特征融合的方法，并且设计了一种基于平均峰相关能量(Average Peak‑to‑Correlation Energy，APCE)的模型更新策略，显著提高了遮挡情况下目标的跟踪精度和鲁棒性。

Target tracking based on adaptive feature fusion

【技术实现步骤摘要】
基于自适应特征融合的目标跟踪
本专利技术属于图像处理和计算机视觉领域，具体涉及一种自适应特征融合的目标跟踪方法。技术背景在计算机视觉中，目标跟踪是一个热门的研究领域，可以应用到视频监控、自动监测等多个人机交互领域。虽然近几年研究人员提出了许多跟踪算法，但面临目标外观变化、快速运动、尺度变换、遮挡等问题，很难达到实时高效稳定的跟踪。传统的跟踪方法通过构建复杂的外观模型，抽取大量的学习样本，产生庞大的计算量，很难达到实时跟踪。相关滤波类方法绕过构建复杂的外观模型与大量学习样本，仅通过前一帧的跟踪结果作为学习样本就可以跟踪，不仅可以达到实时跟踪，也能保证跟踪精度。相关滤波类方法如果利用有效的样本特征可以显著的提高跟踪精度，近些年不断涌现大量优秀的特征(HOG特征、CN特征、深度特征等)使跟踪效果不断提高，不同优秀特征的融合也能形成优势互补，提高跟踪精度。
技术实现思路
本专利技术提出了一种自适应特征融合的跟踪方法，可以显著提高跟踪精度。并且融入了遮挡判断机制，对遮挡的目标达到准确跟踪。本专利技术技术解决方案如下：基于自适应特征融合的目标跟踪，其特征在于：包括如下步骤：步骤1：初始化目标并选本文档来自技高网...

【技术保护点】
基于自适应特征融合的目标跟踪，其特征在于：包括如下步骤：步骤1：初始化目标并选取目标区域；步骤2：在目标区域选取样本，计算HOG特征以及CN特征，构造位置高斯滤波器、尺度滤波器；步骤3：计算检测样本的HOG特征以及CN特征，并进行加余弦窗处理；步骤4：多通道特征求和，分别得到不同特征的高斯响应值；步骤5：根据响应值计算特征权重，归一化权重系数，融合特征响应值；步骤6：对响应值进行排序，选取最大值对应的样本区域作为目标位置；步骤7：在目标周围提取尺度样本，计算特征后，通过尺度滤波器，获取尺度响应；步骤8：求得尺度响应最大值即目标尺度，更新目标尺度；步骤9：更新尺度滤波器模型；步骤10：根据目标位...

【技术特征摘要】
1.基于自适应特征融合的目标跟踪，其特征在于：包括如下步骤：步骤1：初始化目标并选取目标区域；步骤2：在目标区域选取样本，计算HOG特征以及CN特征，构造位置高斯滤波器、尺度滤波器；步骤3：计算检测样本的HOG特征以及CN特征，并进行加余弦窗处理；步骤4：多通道特征求和，分别得到不同特征的高斯响应值；步骤5：根据响应值计算特征权重，归一化权重系数，融合特征响应值；步骤6：对响应值进行排序，选取最大值对应的样本区域作为目标位置；步骤7：在目标周围提取尺度样本，计算特征后，通过尺度滤波器，获取尺度响应；步骤8：求得尺度响应最大值即目标尺度，更新目标尺度；步骤9：更新尺度滤波器模型；步骤10：根据目标位置相应判断是否出现遮挡，如果是重复步骤3至步骤9，如果没出现遮挡进入步骤11；步骤11：更新位置滤波器模型；步骤12：重复步骤3至11直至跟踪结束。2.根据权利要求1所述的基于自适应特征融合的目标跟踪，其特征在于：所述步骤1具体为：根据所述第一帧被跟踪目标的初始化位置为p＝[x,y,w,h]，其中x,y表示目标中心点的横坐标和纵坐标，w,h分别表示目标框的宽和高，目标区域选取以目标中心点为中心，2倍目标大小的矩形区域为目标区域Pt。3.根据权利要求1所述的基于自适应特征融合的目标跟踪，其特征在于：所述步骤2具体包括：计算目标区域Pt的HOG特征和CN特征作为滤波器的输入F，其中M和N表示目标区域Pt的大小，L表示特征通道的个数。第一帧选取标准偏差构造位置滤波器输出，即：其中(x,y)表示目标位置,(x',y')∈{0,…,M-1}×{0,…,N-1}表示每个像素位置。选取标准差构造尺度滤波器输出，即：其中s表示目标当前的尺度，s'表示样本尺度：其中，P，R分别为目标在前一帧的宽和高，a＝1.02为尺度因子，S＝33为尺度的数量。根据建立最小化代价函数构造滤波器h，如下：其中，h表示滤波器，f表示滤波器输入，g表示滤波器输出，l表示特征的某一维度，λ是正则项系数，作用是消除f频谱中的零频分量的影响，避免上式解的分子为零，通过最优化求解，并转化为频域，则滤波器表示为：其中Hl表示我们构造的滤波器，表示滤波器输出的频域共轭，Fl表示滤波器的频域输入的某一维度，d表示输入样本的像素个数，Fk表示输入的某一像素值的频域，是它的频域共轭，Al和B表示构造滤波器的分子和分母，完成滤波器的构造。4.根据权利要求1所述的基于自适应特征融合的目标跟踪，其特征在于：所述步骤3具体为：计算HOG特征初始化单元大小为1×1，根据标准化HOG特征计算函数得到检测样本为M×N大小的27维梯度特征，加上一维的灰度特征构成M×N×L1的HOG特征，其中L1＝28，CN特征根据标准的计算函数可以得到M×N×L2的CN特征，其中L2＝10，对特征进行余弦窗处理，公式如下：x'mn＝(xmn-0.5)sin(πm/M)sin(πn/N)其中x'mn表示处理后图像的每个像素，xmn表示处理前的图像像素，(m,n)∈{0,…,M-1}×{0,…,N-1}表示每个像素位置，处理后得到目标区域特征5.根据权利要求1所述的基于自适应特征融合的目标跟踪，其特征在于：所述步骤4具体为：将求得的测试样本特征Zt通过滤波器Ht，得到响应值并进行多通道求和：其中F-1表示傅里叶反变换，Al、B表示滤波器的参数，d表示特征维数，求和之后分别...

【专利技术属性】
技术研发人员：孙战里，谷成刚，
申请(专利权)人：孙战里，
类型：发明
国别省市：安徽,34