一种基于多通道特征的高速相关滤波目标跟踪方法技术

一种基于多通道特征的高速相关滤波目标跟踪方法，如下：(1)采用HOG特征、CN特征和角点特征3个通道加权融合构建目标特征模型，以此对目标长时间稳定跟踪；(2)利用HOG特征，克服由于光照变化导致的目标特征提取受到干扰的问题；(3)利用CN特征，克服由于目标尺寸变换导致的纹理信息剧烈变化的问题；(4)利用角点特征，克服目标被部分遮挡导致的目标跟踪丢失问题；(5)每种特征通过傅里叶变换转换到频域计算相关度，将卷积运算转化为点乘运算，从而减小计算量，加快计算速度；(6)采用最大峰值比(MPR)判断目标特征模型权值系数是否需要更新，自适应调节某种环境因素下某特征通道的主导地位；(7)利用在线学习，选用固定学习因子对权值系数进行更新，完成目标模型更新过程。

【技术实现步骤摘要】
一种基于多通道特征的高速相关滤波目标跟踪方法
本专利技术涉及的是一种基于多特征融合的相关滤波目标跟踪方法，针对不同场景下目标跟踪所受到的干扰问题，利用多种特征融合判定目标所在位置，完成对视频序列中对目标的跟踪过程。
技术介绍
目标跟踪是计算机智能视觉领域中一个重要的研究方向。它是利用对光学镜头等硬件设施产生的图像序列进行处理、分析，从而获得目标在视频序列中的具体坐标信息。随着目标跟踪领域越来越深入的研究，涌现出许多优秀的目标跟踪方法，例如帧间差分法、光流法和背景模型减除法，此外还有Kalal等人提出的跟踪学习检测算法(TLD)、Vapnik等人研究的支持向量机(SVM)分类器方法、Babenko等学者实现的多示例学习跟踪算法(MIL)和BOLME.D.S等人提出的最小平方误差输出滤波器(MOSSE)。在最近几年有学者提出一种相关滤波算法，能够在动态背景下对目标进行长期稳定跟踪。传统相关滤波算法最主要的思想是利用核函数矩阵，对目标区域为中心的固定区域进行循环移位，密集采样得到大量正负样本，再利用正则化最小二乘分类器对样本中的目标和背景进行线性分类，通过傅里叶变换到频域求解相关程度最大的本文档来自技高网...

【技术保护点】
一种基于多通道特征的高速相关滤波目标跟踪方法，其特征在于步骤如下：(1)在视频流中取出一帧图像，确定目标所在区域，并初始化最大峰值比MPR的阈值，同时初始化三个特征融合的权值系数，并根据初始化的三个特征融合权值系数，线性求和融合成目标初始模型，完成构建目标多通道特征融合模型的过程；所述三个特征分别为HOG特征、CN特征和角点特征；(2)在下一帧图像中，以步骤(1)中所确定目标所在区域的位置中心周围，以固定系数扩展目标区域，密集采样得到20至30个图像块；(3)在步骤(2)采集的图像块中提取HOG、CN和角点特征，分别进行高速相关滤波计算，所述高速相关滤波具体操作是将时域下两个矩阵相关度的计算过...

【技术特征摘要】
1.一种基于多通道特征的高速相关滤波目标跟踪方法，其特征在于步骤如下：(1)在视频流中取出一帧图像，确定目标所在区域，并初始化最大峰值比MPR的阈值，同时初始化三个特征融合的权值系数，并根据初始化的三个特征融合权值系数，线性求和融合成目标初始模型，完成构建目标多通道特征融合模型的过程；所述三个特征分别为HOG特征、CN特征和角点特征；(2)在下一帧图像中，以步骤(1)中所确定目标所在区域的位置中心周围，以固定系数扩展目标区域，密集采样得到20至30个图像块；(3)在步骤(2)采集的图像块中提取HOG、CN和角点特征，分别进行高速相关滤波计算，所述高速相关滤波具体操作是将时域下两个矩阵相关度的计算过程，通过快速傅里叶变换到频域后，进行点积运算快速得到结果；统计三个特征的计算结果，形成各自对应的滤波响应图，统计每个滤波响应图中的响应峰值，并对三个特征的响应峰值进行归一化处理；再使用步骤(1)中初始化的权值系数对HOG、CN和角点特征的响应图加权融合为最终响应图，找到融合后的最大峰值处即可确定目标最终所在位置；然后在所得的最终响应图中以最大峰值为基数，计算各特征的响应峰值与最大峰值的比值，用初始化MPR阈值对所述的比值进行比较，若大于初始化MPR阈值，则对目标多通道特征融合模型进行更新，反之则不更新；实施更新过程，则利用所得到的比值，在固定的学习因子系数下重新分配各特征所对应的归一化系数，完成三个特征的权值系数的自适应更新过程，并将更新后的目标多通道特征融合模型和三个特征的权值系数传递给下一帧图像继续目标跟踪，最终完成目标跟踪任务。2.根据权利要求1所述的基于多通道特征的高速相关滤波目标跟踪方法，其特征在于：所述步骤(1)中，初始化MPR阈值为0.7。3.根据权利要求1所述的基于多通道特征的高速相关滤波目标跟踪方法，其特征在于：所述步骤(1)构建目标多通道特征融合模型过程为：初始化三个特征量的权值系数分别为按照此系数将三个特征融合，即构建整个目标多通道特征融合模型为：M0＝λ1Hhog+λ2Hcn+λ3Hcon其中M0表示初始目标模型，Hhog，Hcn，Hcon分别表示HOG、CN和角点特征。4.根据权利要求1所述的基于多通道特征的高速相关滤波目标跟踪方法，其特征在于：所述步骤(2)的图像块采集方法为循环移位采样，循环移位采样公式表示为：T(i,j)＝PiTPj其中T(i,j)表示图像块T右移i次后再下移j次得到的循环图像块，P表示循环单位阵。5.根据权利要求1所述的基于多通道特征的高速相关滤波目标跟踪方法，其特征在于：所述步骤(3)中，具体实现为：(31)对图像块分别提取HOG、CN和角点特征，并转换到频域中，计算与初始图像各特征的相关度，得到三个特征的响应图，统计三个特征的响应图中的响应峰值Peakhog，Peakcn，Peakcon，并对每个特征响应图中的所有响应峰值进行归一化：

【专利技术属性】
技术研发人员：张弘，饶波，李伟鹏，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11