一种弹性更新策略的目标跟踪方法技术

本发明专利技术公开了一种弹性更新策略的目标跟踪方法，该方法以SAMF算法作为基准，在平均峰值相关能量(APCE)的基础上将APCE阈值和APCE梯度阈值相结合的方法来判断跟踪结果的可靠性，以决定模型更新速度。其中将APCE阈值反向加强，将APCE梯度阈值正向加强，当APCE和APCE梯度都高于各自阈值时更新，否则根据APCE及其梯度变化调整更新速率。利用APCE的梯度变化充分反映目标受干扰过程快慢的变化，据此采取不同的更新速率即弹性更新策略，达到对目标快速运动及部分遮挡更好的处理能力。

A Target Tracking Method with Flexible Updating Strategy

The invention discloses a target tracking method of flexible update strategy, which takes SAMF algorithm as a benchmark and combines APCE threshold and APCE gradient threshold to judge the reliability of tracking results on the basis of average peak correlation energy (APCE) to determine the update speed of the model. The APCE threshold is strengthened in the opposite direction, and the APCE gradient threshold is strengthened in the positive direction. When the APCE and APCE gradients are higher than their respective thresholds, the update rate will be adjusted according to APCE and its gradient changes. The gradient change of APCE fully reflects the change of target's speed in the process of disturbance. Based on this, different renewal rates, i.e. elastic renewal strategy, are adopted to achieve better processing ability for fast target movement and partial occlusion.

【技术实现步骤摘要】
一种弹性更新策略的目标跟踪方法
本专利技术属于视频目标跟踪
，涉及一种目标跟踪方法，尤其是一种弹性更新策略的目标跟踪方法。
技术介绍
目标跟踪是计算机视觉中引人瞩目且快速发展的领域，其涉及许多具有挑战性的研究热点并常和其他计算机视觉问题结合出现，如人机交互、视频监控、增强现实、自动驾驶、移动机器人等等。近年来，相关滤波器(CorrelationFilters,简称CF)被引入目标跟踪的框架中，并同时在精度和速度上取得了显著效果。2010年，Bolme等提出一种新型相关滤波器MOSSE(MinimumOutputSumofSquaredError)，首次将CF应用于跟踪算法。目标跟踪被规划为一个和岭回归等效的相关滤波问题。该算法选定一个目标区域，利用相关滤波器对目标外观建模，并在频域中进行相似度运算，显著提升了跟踪速度。依据循环矩阵的理论，F.Henriques提出一种CSK(CirculantStructureKernels)跟踪方法。CSK将最新目标作为一个基准图像，并用循环移位方法产生大量虚拟的训练样本，利用这些样本在频域达到非常快的学习和检测功能的Fourier分析思想(不同于迭代思想)。Henriques在CSK的基础上，利用核技巧将单通道特征推广到多通道特征，并提出了核相关滤波(KernelizedCorrelationFilters,KCF)。之后KCF便成为一个相关滤波目标跟踪的基准算法。YangLi和JiankeZhu在KCF的基础上加入了尺度估计，设计了一种尺度自适应多特征跟踪器SAMF(ScaleAdaptivewithMultipleFeaturestracker)算法。目标外观会随着运动速度、背景干扰以及遮挡等情况而发生改变，外观模型必须能适应这种变化才能成功跟踪，因此，模型参数的适当更新非常关键。为此，前述跟踪器设定一个更新速率并采用线性插值法在新一帧来临之前进行模型更新，这种每一帧都进行更新的策略虽然简单，但对目标出现遮挡及背景杂乱等复杂情况难以适应，且容易导致模型漂移使跟踪失败。对此，应利用一个检测标准判断检测结果是否可靠，如果可靠则按一般速率更新模型参数，否则适当调整更新速率，从而使模型不易发生漂移。目前常用的检测方法主要有以下几种：(1)响应最大值判断法：此类方法将相关滤波器输出的响应图中最大值作为判断标准，当跟踪可靠时最大响应值相对跟踪不可靠时的最大值要大，则可设定一个阈值，当判断出最大响应值大于该阈值时认定跟踪可靠，则更新模型，否则停止更新。这种方法的优点是直观简单，但当干扰目标出现时，响应图中会出现多个峰值，干扰目标的响应值有可能大于真实目标，这时如果更新目标则会使模型因干扰目标而发生漂移。(2)峰值旁瓣率(PSR)判断法：这种方法采用峰值和旁瓣的比值作为衡量标准，当干扰目标出现时虽然最大峰值较大，但峰值旁瓣率较低。同样，先设定一个阈值，当判断出最大响应值大于该阈值时认定跟踪可靠，则更新模型，否则停止更新。这种方法考虑到了干扰目标或杂乱背景的影响，减少了模型的漂移。但该方法的不足是，虽然干扰物出现使得峰值旁瓣率减小，但减小程度并不十分明显，对于后续的判断性能有一定影响。(3)平均峰值相关能量(APCE)判断法：平均峰值相关能量定义为当前帧最大响应与最小响应差值的能量比上其他值与最小值差值能量的平均值。平均峰值相关能量和峰值旁瓣率很相似，但优点是，当干扰目标或杂乱背景出现时，其值将大大下降，这种大的变化给判断带来了便利。但这两者共有的不足是，只能判断最终目标受到干扰时的结果，而不能判断目标受污染的过程变化。当两者的值突然变小时，说明目标此时已受到严重干扰，应适当调整更新速率，而当变小的值还不足以达到阈值以下时，此时再用这两种方法判断就不太合理。
技术实现思路
本专利技术的目的在于克服上述现有技术的缺点，提供一种弹性更新策略的目标跟踪方法。本专利技术的目的是通过以下技术方案来实现的：这种弹性更新策略的目标跟踪方法，包括以下步骤：步骤1)：输入图像待处理帧；步骤2)：预处理当前帧；步骤3)：获取当前帧中被跟踪的目标的HOG和CN特征；步骤4)：根据当前目标位置以SAMF算法原理来训练跟踪器，并得到模型参数；如果是第一帧图像，则跳至步骤8)，否则跳至步骤5)；步骤5)：运行SAMF跟踪算法，并计算当前帧的响应矩阵及目标的新位置；步骤6)：根据当前目标位置训练跟踪器，并得到模型参数；步骤7)：判断当前模型参数是否需要更新，包括以下子步骤；7.1)：根据响应矩阵计算当前帧的APCE以及对应的DifAPCE；APCE的计算为：其中mean表示取均值，Fmax，Fmin以及Fw,h分别为核相关滤波器得出的滤波器响应矩阵的最大值、最小值以及w行h列元素值；DifAPCE的计算为：DifAPCE(n)＝APCE(n)-APCE(n-1)(2)其中n表示当前帧；7.2)：计算APCE阈值及DifAPCE阈值1和DifAPCE阈值2；其中APCE阈值ThresholdAPCE的计算为：式中a、b、c为权值参数，M1为当前帧n在最近m帧上的APCE均值，即：DifAPCE阈值1ThresholdDifAPCE_1的计算为：式中d、e、f为权值参数，M2为当前帧n在最近m帧上的DifAPCE均值，即：所述DifAPCE阈值2ThresholdDifAPCE_2的计算为：ThresholdDifAPCE_2＝ThresholdDifAPCE_1-g(7)其中g为一个正的常数；7.3)：如果APCE大于其阈值，并且，DifAPCE大于DifAPCE阈值1或小于DifAPCE阈值2，则按SAMF的默认参数更新模型参数，方法为：式(8)和式(9)的右边，alpha和fx为新计算的模型参数，model_alpha和model_fx为上一帧的模型参数。否则通过以下方式更新；式(10)和式(11)的右边，alpha和fx为新计算的模型参数，model_alpha和model_fx为上一帧的模型参数，model_alpha_bak和model_fx_bak为初始帧计算的初始模型参数；步骤8)：如果是最后一帧，则结束，否则输入下一帧并转至步骤2)。进一步，上述步骤2)中，预处理当前帧包括大小限定，加窗处理、扩展区域以及图像移动块的划分；如果目标对角线像素距离大于100，则将原图像缩小一倍，同时将目标大小及位置也相应缩小一倍。本专利技术具有以下有益效果：本专利技术以SAMF算法为基准算法，在平均峰值相关能量(APCE)的基础上将APCE阈值和APCE梯度阈值相结合的方法来判断跟踪结果的可靠性，以决定模型的更新策略。其中将APCE阈值反向加强，将APCE梯度阈值正向加强，当APCE和APCE梯度都高于各自阈值时更新，否则说明检测受到干扰而不可靠，此时，初始帧的模型参数也参与更新，并适当调整初始模型参数、当前帧和上一帧的模型参数权值，以合成值作为更新的模型参数。本专利技术解决了现有更新方法中没有考虑检测性能突然下降而导致不能应对目标快速运动等问题，本专利技术不但考虑到了响应结果是否大于阈值的问题，还考虑到了相对上一个响应结果，本次响应是否有大的变化这一变化过程的程度。使得检测结果可靠性的判断进一步完善，合理更新模型参数，减小本文档来自技高网...

【技术保护点】
1.一种弹性更新策略的目标跟踪方法，其特征在于，包括以下步骤：步骤1)：输入图像待处理帧；步骤2)：预处理当前帧；步骤3)：获取当前帧中被跟踪的目标的HOG和CN特征；步骤4)：根据当前目标位置以SAMF算法原理来训练跟踪器，并得到模型参数；如果是第一帧图像，则跳至步骤8)，否则跳至步骤5)；步骤5)：运行SAMF跟踪算法，并计算当前帧的响应矩阵及目标的新位置；步骤6)：根据当前目标位置训练跟踪器，并得到模型参数；步骤7)：判断当前模型参数是否需要更新，包括以下子步骤；7.1)：根据响应矩阵计算当前帧的APCE以及对应的DifAPCE；APCE的计算为：

【技术特征摘要】
1.一种弹性更新策略的目标跟踪方法，其特征在于，包括以下步骤：步骤1)：输入图像待处理帧；步骤2)：预处理当前帧；步骤3)：获取当前帧中被跟踪的目标的HOG和CN特征；步骤4)：根据当前目标位置以SAMF算法原理来训练跟踪器，并得到模型参数；如果是第一帧图像，则跳至步骤8)，否则跳至步骤5)；步骤5)：运行SAMF跟踪算法，并计算当前帧的响应矩阵及目标的新位置；步骤6)：根据当前目标位置训练跟踪器，并得到模型参数；步骤7)：判断当前模型参数是否需要更新，包括以下子步骤；7.1)：根据响应矩阵计算当前帧的APCE以及对应的DifAPCE；APCE的计算为：其中mean表示取均值，Fmax，Fmin以及Fw,h分别为核相关滤波器得出的滤波器响应矩阵的最大值、最小值以及w行h列元素值；DifAPCE的计算为：DifAPCE(n)＝APCE(n)-APCE(n-1)(2)其中n表示当前帧；7.2)：计算APCE阈值及DifAPCE阈值1和DifAPCE阈值2；其中APCE阈值ThresholdAPCE的计算为：式中a、b、c为权值参数，M1为当前帧n在最近m帧上的APCE均值，即：DifAPCE阈值1ThresholdDifAPCE_1的计算...

【专利技术属性】
技术研发人员：尹向雷，刘贵喜，
申请(专利权)人：西安电子科技大学，陕西理工大学，
类型：发明
国别省市：陕西,61