一种自适应相关滤波器目标跟踪方法及系统技术方案

本发明专利技术提供一种自适应相关滤波器目标跟踪方法及系统，方法包括：将当前帧图像中的目标图像输入预设神经网络，提取预设神经网络中输入至每一池化层的目标特征；构建目标图像分布的高斯函数，根据每个目标特征中的每个通道的特征图和高斯函数构造每个通道的相关滤波器；从下一帧图像中获取候选目标图像，将候选目标图像输入预设神经网络，提取预设神经网络中输入至每一池化层的候选目标特征；根据每个候选目标特征中的所有通道的特征图和所有通道的相关滤波器计算每个候选目标特征对应的响应图，将所有响应图进行加权运算获得目标响应图；根据目标响应图中响应值最大的位置确定下一帧图像中的目标图像。该方法及系统有效提高了目标跟踪的准确率。

【技术实现步骤摘要】
一种自适应相关滤波器目标跟踪方法及系统
本专利技术涉及图像处理
，更具体地，涉及一种自适应相关滤波器目标跟踪方法及系统。
技术介绍
目标跟踪是计算机视觉领域中一个重要同时具有挑战性的研究方向。目标跟踪技术无论在民用还是军事上都有广泛的应用，包括视频监控、人机交互、无人驾驶以及导弹的跟踪拦截等。目标跟踪技术的基本思想是序列图像中根据目标在视频信息的时空上相关性，确定感兴趣的目标在每一帧的位置和姿态。目标跟踪技术经过几十年的发展，已取得了可观的进步，提出了许多不同实现方式的跟踪算法。但现有的跟踪算法在对目标所在的图像帧进行处理时，难以从图像帧中准确提取出目标特征，无法对目标特征进行有效准确地表达，导致现有的跟踪算法准确率难以提高。同时由于跟踪过程中受到许多因素的影响，尤其是光照的变化、遮挡、姿态与视角的变化、相似物体及所处的复杂背景的干扰等，因此目前为止，仍然没有单一的跟踪算法能同时解决跟踪过程中各项因素的干扰，只是在某些方面具有较好的鲁棒性。有鉴于此，亟需提供一种准确率高且具有鲁棒性和普适性的目标跟踪方法及系统。
技术实现思路
本专利技术为了克服现有技术中的跟踪算法准确率难以提高且无法解决跟踪过程中各项因素的干扰问题，提供一种自适应相关滤波器目标跟踪方法及系统。一方面，本专利技术提供一种自适应相关滤波器目标跟踪方法，包括：S1，初始化当前帧图像中的目标图像，将所述目标图像输入预设神经网络，提取所述预设神经网络中输入至每一池化层的目标特征，每个所述目标特征包括多个通道的特征图；S2，根据所述目标图像构建目标图像分布的高斯函数，根据每个所述目标特征中的每个通道的特征图和所述高斯函数构造所述每个通道的相关滤波器；S3，从下一帧图像中获取预设大小的候选目标图像，将所述候选目标图像输入所述预设神经网络，提取所述预设神经网络中输入至每一池化层的候选目标特征；S4，对于任意一个候选目标特征，根据该候选目标特征中的所有通道的特征图和所有通道的相关滤波器计算该候选目标特征对应的响应图，将所有响应图进行加权运算获得目标响应图；S5，根据所述目标响应图中响应值最大的位置确定所述下一帧图像中的目标图像。优选地，所述步骤S5之后还包括：对所述候选目标图像进行多个尺度的缩放，获得多个尺度的候选目标图像；利用所述步骤S3-S4中的方法根据所述多个尺度的候选目标图像获得多个目标响应图；根据所有所述目标响应图中响应值最大的位置确定所述下一帧图像中的目标图像。优选地，所述步骤S5之后还包括：根据每个所述候选目标特征中的每个通道的特征图和所述高斯函数对所述每个通道的相关滤波器进行更新；利用所述步骤S3-S5中的方法根据所述更新后的所述每个通道的相关滤波器确定所述下一帧图像的下一帧图像中的目标图像。优选地，所述根据每个所述候选目标特征中的每个通道的特征图和所述高斯函数对所述每个通道的相关滤波器进行更新之后还包括：当所述目标响应图中出现多个最大响应值时，利用预设的修正模型对更新后的所述每个通道的滤波器进行修正；相应地，利用所述步骤S3-S5中的方法根据修正后的所述每个通道的相关滤波器确定所述下一帧图像的下一帧图像中的目标图像。优选地，步骤S2中所述根据每个所述目标特征中的每个通道的特征图和所述高斯函数构造所述每个通道的相关滤波器之前还包括：将每个所述目标特征中的每个通道的特征图的维度进行归一化处理。优选地，步骤S4中所述根据每个所述候选目标特征中的每个通道的特征图和所述每个通道的相关滤波器计算每个所述候选目标特征对应的响应图之前还包括：将每个所述候选目标特征中的每个通道的特征图的维度进行归一化处理。优选地，步骤S2中所述根据每个所述目标特征中的每个通道的特征图和所述高斯函数构造所述每个通道的相关滤波器之前还包括：对所述高斯函数进行傅里叶变换。一方面，本专利技术提供一种自适应相关滤波器目标跟踪系统，包括：目标特征提取模块，用于初始化当前帧图像中的目标图像，将所述目标图像输入预设神经网络，提取所述预设神经网络中输入至每一池化层的目标特征，每个所述目标特征包括多个通道的特征图；滤波器构造模块，用于根据所述目标图像构建目标图像分布的高斯函数，根据每个所述目标特征中的每个通道的特征图和所述高斯函数构造所述每个通道的相关滤波器；候选目标特征提取模块，用于从下一帧图像中获取预设大小的候选目标图像，将所述候选目标图像输入所述预设神经网络，提取所述预设神经网络中输入至每一池化层的候选目标特征；响应图计算模块，用于对于任意一个候选目标特征，根据该候选目标特征中的所有通道的特征图和所有通道的相关滤波器计算该候选目标特征对应的响应图，将所有响应图进行加权运算获得目标响应图；目标图像确定模块，用于根据所述目标响应图中响应值最大的位置确定所述下一帧图像中的目标图像。一方面，本专利技术提供一种自适应相关滤波器目标跟踪方法的设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述任一所述的方法。一方面，本专利技术提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述任一所述的方法。本专利技术提供的一种自适应相关滤波器目标跟踪方法及系统，通过预设神经网络提取当前帧图像中的目标图像的高层特征和低层特征，利用相关滤波算法根据当前帧图像中的目标图像的高层特征和低层特征构造相关滤波器；同时利用预设神经网络提取下一帧图像中候选目标图像的高层特征和低层特征；结合下一帧图像中候选目标图像的高层特征和低层特征以及构造的相关滤波器计算候选目标图像的高层特征和低层特征对应的响应图，将所有响应图进行加权运算获得目标响应图；最终根据目标响应图中响应值最大的位置确定下一帧图像中的目标图像。该方法及系统利用预设神经网络提取当前帧图像中的目标图像的高层特征和低层特征，能够对目标图像进行准确表达，有利于有效构造相关滤波器，确保了相关滤波器的准确性；同时利用预设神经网络提取下一帧图像中候选目标图像的高层特征和低层特征，保留候选目标图像中的细节特征，并通过构造好的滤波器获得高层特征和低层特征对应的响应图，最终结合各响应图确定下一帧图像中的目标图像，能够对目标图像进行准确有效地跟踪，提高了目标跟踪的准确率。附图说明图1为本专利技术实施例的一种自适应相关滤波器目标跟踪方法的整体流程示意图；图2为本专利技术实施例的VGGNet-19深度模型的详细网络结构表的示意图；图3为本专利技术实施例的不同尺度的候选目标图像的结构示意图；图4为本专利技术实施例的一种自适应相关滤波器目标跟踪系统的整体结构示意图；图5为本专利技术实施例的一种自适应相关滤波器目标跟踪方法的设备的结构框架示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。需要说明的是，本专利技术提供的一种自适应相关滤波器目标跟踪方法，针对目标视频序列，在给定任意一帧的目标状态的情况下，能够在后续视频序列中实现目标位置的跟踪。本实施例中，已知当前帧图像中的目标位置，现根据当前帧图像中的目标位置实现下一帧图像中目标位置的跟踪。具体请参见图1，图1为本专利技术实施例的一种自适应本文档来自技高网...

【技术保护点】
1.一种自适应相关滤波器目标跟踪方法，其特征在于，包括：S1，初始化当前帧图像中的目标图像，将所述目标图像输入预设神经网络，提取所述预设神经网络中输入至每一池化层的目标特征，每个所述目标特征包括多个通道的特征图；S2，根据所述目标图像构建目标图像分布的高斯函数，根据每个所述目标特征中的每个通道的特征图和所述高斯函数构造所述每个通道的相关滤波器；S3，从下一帧图像中获取预设大小的候选目标图像，将所述候选目标图像输入所述预设神经网络，提取所述预设神经网络中输入至每一池化层的候选目标特征；S4，对于任意一个候选目标特征，根据该候选目标特征中的所有通道的特征图和所有通道的相关滤波器计算该候选目标特征对应的响应图，将所有响应图进行加权运算获得目标响应图；S5，根据所述目标响应图中响应值最大的位置确定所述下一帧图像中的目标图像。

【技术特征摘要】
1.一种自适应相关滤波器目标跟踪方法，其特征在于，包括：S1，初始化当前帧图像中的目标图像，将所述目标图像输入预设神经网络，提取所述预设神经网络中输入至每一池化层的目标特征，每个所述目标特征包括多个通道的特征图；S2，根据所述目标图像构建目标图像分布的高斯函数，根据每个所述目标特征中的每个通道的特征图和所述高斯函数构造所述每个通道的相关滤波器；S3，从下一帧图像中获取预设大小的候选目标图像，将所述候选目标图像输入所述预设神经网络，提取所述预设神经网络中输入至每一池化层的候选目标特征；S4，对于任意一个候选目标特征，根据该候选目标特征中的所有通道的特征图和所有通道的相关滤波器计算该候选目标特征对应的响应图，将所有响应图进行加权运算获得目标响应图；S5，根据所述目标响应图中响应值最大的位置确定所述下一帧图像中的目标图像。2.根据权利要求1所述的方法，其特征在于，所述步骤S5之后还包括：对所述候选目标图像进行多个尺度的缩放，获得多个尺度的候选目标图像；利用所述步骤S3-S4中的方法根据所述多个尺度的候选目标图像获得多个目标响应图；根据所有所述目标响应图中响应值最大的位置确定所述下一帧图像中的目标图像。3.根据权利要求1所述的方法，其特征在于，所述步骤S5之后还包括：根据每个所述候选目标特征中的每个通道的特征图和所述高斯函数对所述每个通道的相关滤波器进行更新；利用所述步骤S3-S5中的方法根据所述更新后的所述每个通道的相关滤波器确定所述下一帧图像的下一帧图像中的目标图像。4.根据权利要求3所述的方法，其特征在于，所述根据每个所述候选目标特征中的每个通道的特征图和所述高斯函数对所述每个通道的相关滤波器进行更新之后还包括：当所述目标响应图中出现多个最大响应值时，利用预设的修正模型对更新后的所述每个通道的滤波器进行修正；相应地，利用所述步骤S3-S5中的方法根据修正后的所述每个通道的相关滤波器确定所述下一帧图像的下一帧图像中的目标图像。5.根据权利要求1所述的方法，其特征在于，步骤S2中所述根据每个所述目标特征中的每个通道...

【专利技术属性】
技术研发人员：张建明，金晓康，李旭东，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南,43