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(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