一种基于自适应权重联合学习的相关滤波目标跟踪方法技术

一种基于自适应权重联合学习的相关滤波目标跟踪方法，属于机器视觉领域。该方法将相关滤波模型与基于颜色直方图的颜色模型相结合，充分利用相关滤波模型的判别特性来有效区分目标和背景，同时通过颜色模型获取直方图分数来更好的应对遮挡、闭塞、变形和其他复杂的环境。为了充分利用这两个模型的优势，本发明专利技术提出置信度权重来自适应联合这两个模型。同时在训练相关滤波器时，充分利用背景信息构建空间正则化项，有效抑制背景信息的干扰，进一步提高了算法在跟踪过程中的鲁棒性。为使目标模型在跟踪过程中更好地应对目标尺度的不断变化，本发明专利技术构建了单独的快速尺度检测模型。

A correlation filtering target tracking method based on adaptive weight joint learning

A correlation filtering target tracking method based on adaptive weight joint learning belongs to the field of machine vision. This method combines the correlation filtering model with the color model based on color histogram, makes full use of the discriminant characteristics of the correlation filtering model to effectively distinguish the target and background, and obtains the histogram score through the color model to better deal with occlusion, blocking, distortion and other complex environments. In order to make full use of the advantages of the two models, the present invention proposes that the confidence weight is adapted to combine the two models. At the same time, when training the correlation filter, the spatial regularization term is constructed by making full use of the background information, which effectively suppresses the interference of the background information, and further improves the robustness of the algorithm in the tracking process. In order to make the target model better cope with the continuous change of target scale in the tracking process, the present invention constructs a separate fast scale detection model.

【技术实现步骤摘要】
一种基于自适应权重联合学习的相关滤波目标跟踪方法
本专利技术属于机器视觉领域，特别涉及一种基于自适应权重联合学习的相关滤波目标跟踪方法。
技术介绍
机器视觉是目前最具发展潜力的学科之一，试图建立从语音、图像、视频等多维数据中获取信息的人工智能系统。目标跟踪作为机器视觉的一个重要研究方向，它的主要任务是确定感兴趣的目标在连续视频序列中的位置，同时获取目标的运动参数，从而进行更深层次的处理和分析。在自动监控系统、智能交通系统、人机交互、精确军事侦察、机器人视觉导航、智能医学诊断等领域有着广泛的应用。近年来，国内外的研究学者提出了许多新颖的算法，在该领域也取得了很多的进步。但令人遗憾的是，目标跟踪的实现一直面临着诸多干扰。这些干扰主要在于视觉信息的各种内在变化和外在变化，通常包含尺度变化、部分遮挡、背景杂乱、光照变化、运动模糊等。除此之外，目标跟踪技术在准确率和处理速度上的矛盾也对其提出了极大挑战。正是由于目标跟踪的广泛应用以及诸多挑战，目标跟踪技术吸引了众多国内外学者及研究机构对其进行研究，一些先进的思想和技术相继被提出。相关滤波器因其优秀的计算速度和定位性能，成为了近年来视觉跟踪领域的本文档来自技高网...

【技术保护点】
1.一种基于自适应权重联合学习的相关滤波目标跟踪方法，其特征在于，步骤如下：步骤一、读入第一帧图像Image1及跟踪目标初始矩形信息；步骤二、训练位置相关滤波器(2‑1)针对位置滤波器，在相关滤波框架下，围绕第一帧图像目标的中心点位置，依据初始矩形尺度在候选区域内循环采样得到候选样本，并对每一个候选样本提取方向梯度直方图HOG特征，得到训练样本集合X1，其中每个训练样本为

【技术特征摘要】
1.一种基于自适应权重联合学习的相关滤波目标跟踪方法，其特征在于，步骤如下：步骤一、读入第一帧图像Image1及跟踪目标初始矩形信息；步骤二、训练位置相关滤波器(2-1)针对位置滤波器，在相关滤波框架下，围绕第一帧图像目标的中心点位置，依据初始矩形尺度在候选区域内循环采样得到候选样本，并对每一个候选样本提取方向梯度直方图HOG特征，得到训练样本集合X1，其中每个训练样本为d为特征维度；(2-2)对训练样本x(m，n)构建目标函数，并添加空间正则化项γ||c＊f||2来提高位置滤波器区分背景与目标的能力，其中γ为惩罚系数，*表示卷积运算，c表示从背景区域提取的HOG特征向量；(2-3)对目标函数进行最小化计算，训练得到初始化的位置相关滤波器f；步骤三、训练尺度相关滤波器(3-1)针对尺度滤波器，在相关滤波框架下，围绕第一帧图像目标的中心点位置，在候选区域内依据不同矩形尺度采样得到候选样本，并对每一个候选样本提取HOG特征，并统一候选样本大小，得到训练样本集合Xscale，其中每个训练样本(3-2)对训练样本xscale(m，n)构建目标函数，训练得到初始的尺度相关滤波器fscale；步骤四、读入下一帧图像Imaget，t＞1，获得相关滤波模型和颜色模型的置信度响应图(...

【专利技术属性】
技术研发人员：孔军，王本璇，蒋敏，丁毅涛，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32