The invention discloses a target tracking method based on similarity and correlation filtering, which includes: expanding the target area in the frame, constructing training samples and training the kernel correlation filtering, calculating the forward optical flow of the search area in the current frame for each new frame, combining the color information of the search area, and edge detection. According to the edge map generated by edge detection, the candidate of the target is generated by the similar physical method, and the four boundaries of the candidate window are adjusted to make it more suitable for the real edge of the object. In the search area of the current frame, the initial position of the target corresponding to the maximum response value is detected by the kernel correlation filter, and the candidate response value is obtained by calculating the quasi-physical method. The target position and size of the current frame are obtained by comparing the responses, and the model is updated. The invention can effectively deal with the problems of fast motion and scale change, so as to realize robust tracking.
【技术实现步骤摘要】
一种基于似物性和相关滤波的目标跟踪方法
本专利技术涉及计算机视觉领域,更具体地,涉及一种基于似物性和相关滤波的目标跟踪方法法。
技术介绍
目标跟踪作为计算机视觉领域的一个重要研究方向,目前已受到了广泛的关注。该技术在安全监控、无人驾驶和军事防御等领域具有宽广的应用前景。尽管目前已经存在着相当数量的目标跟踪方法,但这些方法往往在光照变化、物体形变、快速运动和严重遮挡情况下不稳定甚至失效。因此,提出一种有效的目标跟踪算法具有重要的应用价值和现实意义。近年来,由于相关滤波的简单高效性,基于相关滤波的跟踪算法成为众多跟踪算法中最为常见的方法,是目前视觉目标跟踪的主流方法之一。相关滤波算法从训练样本中训练一个判别性模型,用此模型评估候选和目标之间的相似性。因为空间领域上的卷积操作可以转化为傅里叶域的元素的乘法,评估循环移动的候选是非常快速的。直观上,相关滤波的原理可以简单概括为在跟踪区域中对目标产生高响应,对背景产生低响应,其中最高响应对应的位置即为目标位置。目前,基于相关滤波的跟踪算法已经成为主流的跟踪算法之一。但是,对遮挡、形变等引起的目标尺寸的变化问题,基于相关滤波的跟踪方法仍缺乏有效的应对能力。另一方面,目标检测领域中,采用似物性(ObjectProposal)的检测模型表现出优于基于传统滑动窗口的方法。直观上,给定一幅图像,似物性算法的结果通常为很多可能包含图像中物体的矩形框,对矩形框中到底是什么物体并不关心。相对于传统检测方法,似物性不仅可以通过减少候选矩形框来加速计算过程,并且可以通过减少错误的正例来提高检测精度。但是目标跟踪问题中视频序列的图像和静态 ...
【技术保护点】
1.一种基于似物性和相关滤波的目标跟踪方法,其特征在于,包括以下步骤:步骤1,输入视频,在视频的第一帧中,对标记目标区域扩展,以扩展后的图片块为目标样本,利用循环位移的方法构建训练样本,并进行边界效应处理,构建回归模型;步骤2,获取视频的下一帧,以前一帧的目标位置为中心定义搜索区域,并计算当前帧搜索区域的前向光流;步骤3,基于步骤2得到的前向光流和当前帧搜索区域的颜色通道,得到边缘图;步骤4,基于步骤3得到的边缘图,产生运动目标的候选集合;步骤5,基于步骤4得到的候选集合,利用超像素对候选框窗口进行调整,得到最终的运动目标的候选集合;步骤6,在当前帧中的搜索区域中用步骤1得到的回归模型计算对应的响应值,并利用步骤1的回归模型计算步骤5中得到的运动目标候选的响应值;步骤7,基于步骤6得到的响应值,选择响应值最大的候选矩形框并确定当前帧的目标状态;步骤8,基于步骤7得到的当前帧的目标状态更新步骤1中的回归模型;步骤9,判断当前帧是否为视频的最后一帧,若是则结束;否则转入步骤2。
【技术特征摘要】
1.一种基于似物性和相关滤波的目标跟踪方法,其特征在于,包括以下步骤:步骤1,输入视频,在视频的第一帧中,对标记目标区域扩展,以扩展后的图片块为目标样本,利用循环位移的方法构建训练样本,并进行边界效应处理,构建回归模型;步骤2,获取视频的下一帧,以前一帧的目标位置为中心定义搜索区域,并计算当前帧搜索区域的前向光流;步骤3,基于步骤2得到的前向光流和当前帧搜索区域的颜色通道,得到边缘图;步骤4,基于步骤3得到的边缘图,产生运动目标的候选集合;步骤5,基于步骤4得到的候选集合,利用超像素对候选框窗口进行调整,得到最终的运动目标的候选集合;步骤6,在当前帧中的搜索区域中用步骤1得到的回归模型计算对应的响应值,并利用步骤1的回归模型计算步骤5中得到的运动目标候选的响应值;步骤7,基于步骤6得到的响应值,选择响应值最大的候选矩形框并确定当前帧的目标状态;步骤8,基于步骤7得到的当前帧的目标状态更新步骤1中的回归模型;步骤9,判断当前帧是否为视频的最后一帧,若是则结束;否则转入步骤2。2.根据权利要求1所述的方法,其特征在于,步骤1包括:输入视频,获取视频第一帧,对以目标区域为中心,高和宽为目标区域λ倍的区域作为目标区域扩展,目标区域高和宽分别为w1和h1,扩展后的的图片块记为x,大小记为λw1×λh1,λw1、λh1分别表示图片块x的高和宽,用扩展的图片块x采用KCF中的训练方法得到回归模型,引入核函数后,回归模型的解表示为其中y为训练样本的标签,表示样本的预测标签,表示真实解,表示预测解,为训练样本通过核函数映射后乘积结果组成的矩阵的第一行。3.根据权利要求2所述的方法,其特征在于,步骤2包括:获取视频下一帧,以前一帧目标位置li-1为中心,前一帧目标区域高宽的λ倍作为当前的搜索区域z,前一帧目标区域高和宽分别为wi-1和hi-1,当前的搜索区域z大小为λwi-1×λhi-1,在前一帧中提取相同大小的图片区域,利用L...
【专利技术属性】
技术研发人员:李巍,杜红军,梁凯,申扬,陈硕,王鸥,杨明钰,张开军,杨育彬,郝跃冬,刘嘉华,康睿,
申请(专利权)人:国网辽宁省电力有限公司信息通信分公司,南京大学,南京南瑞信息通信科技有限公司,
类型:发明
国别省市:辽宁,21
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。