一种通过时空上下文进行视觉跟踪的方法技术

本发明专利技术提供一种通过时空上下文进行视觉跟踪的方法，包括如下步骤：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。

【技术实现步骤摘要】
一种通过时空上下文进行视觉跟踪的方法
本专利技术涉及计算机视觉的视觉跟踪领域，特别是涉及一种通过时空上下文进行视觉跟踪的方法。
技术介绍
视觉跟踪是计算机视觉领域中一个重要的研究热点，其在视频监控、自动驾驶、汽车导航和人机交互等方面中有着广泛的运用。跟踪的目的是在已知第一帧的位置状态下精确地估计出后续帧的位置。尽管近些年取得很大的发展，但仍然面临许多外界因素的挑战。比如，在长期跟踪过程中，目标通常会经历一些外部干扰，例如遮挡，光照变化，变形，尺度变化和视野外，这些外部干扰都会影响视觉跟踪的精准度。跟踪任务一般分为位置估计和尺度估计，通过使用基于判别相关滤波器的两个回归模型对时间上下文相关性(位置模型)和目标外观建模(尺度模型)来实现。判别相关滤波器(DCF)用的判别式方法，可以看成是一个二元分类问题，其中一类为目标图像，一类是背景图像，其目的是通过学习分类器将目标从背景图像中分离出来，从而确定目标当前帧位置。在跟踪失败的情况下，判别相关滤波器是通过采用预定义的响应阈值来激活在线随机蕨类分类器来执行重新检测；在模型更新方面，判别相关滤波器也是采用预定义的响应阈值作为判断条件来决定模型更新的必要性。现有技术虽然实现了期望的跟踪结果并且对于长期跟踪表现良好，但是当目标对象经历复杂的外观变化(例如严重遮挡)并在当前帧中消失时，它将引入一些错误的背景信息并将被传递到下一帧，长时间累积会使跟踪模型的质量恶化并最终产生跟踪目标漂移。基于如上所述，本专利技术人对其进一步探索和研究，提出了一种通过时空上下文进行视觉跟踪的方法。
技术实现思路
本专利技术要解决的技术问题，在于提供一种用于长期视觉跟踪的有效模型更新以及重检测的方法，具体为一种通过时空上下文进行视觉跟踪的方法。本专利技术具体包括如下步骤：一种通过时空上下文进行视觉跟踪的方法，包括如下步骤：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。优选地，所述步骤2与所述步骤3的顺序可调换。优选地，所述步骤5中，位置模型更新的具体步骤如下：采用线性插值法对上下文感知滤波器进行参数更新，其更新方式如下公式：其中i是当前帧的序号；η是学习速率；为分类器参数；目标位置模型的参数；位置模型更新即为与的更新。优选地，所述步骤5中，尺度模型更新的具体包括如下公式：其中，H为频域中的尺度相关滤波器，l为维数，Hl为第l维的尺度相关滤波器；Fk的为第k个训练样本，Fl为第l维的训练样本，G为理想相关输出，为理想相关输出的复共轭，为第k个训练样本的复共轭，λ为正则项权重因子，t为帧序号，d与k为特征维度数；对(1)式中Hl的分子分母分别进行更新，得到以下两式：其中η为学习速率，Ftk为第k个训练样本，为第k个训练样本的复共轭，Gt为理想相关输出，Ftl为第l维的训练样本，λ为正则项权重因子，t为帧序号，l为维数，d与k为特征维度数；尺度模型更新即为更新与Bt的更新。本专利技术具有如下优点：本专利技术利用响应图峰值与基于判别相关滤波器(简称DCF)产生的相应PSR得分(作为一种动态阈值)进行比较，判断是否进行重检测以及是否进行跟踪模型的更新；区别于传统通过预定义的响应阈值进行重检测与模型更新，本方法能根据时空上下文的实际情况判定是否更新，确保引入的下一帧的背景信息为正确信息。本专利技术可以基于从不同视频序列生成的响应图来实现模型的自适应更新，并且避免由逐帧更新的有效性引起的跟踪漂移。该方法可以缓解用于在线模型更新的噪声样本问题，并在复杂的场景中有效地应对挑战，例如在长期跟踪期间的遮挡，突然运动，变形，视野和显着的尺度变化。附图说明下面参照附图结合实施例对本专利技术作进一步的说明。图1是本专利技术方法的示意图。图2是本专利技术在OTB-2013数据集中在50个视频序列的跟踪精确度曲线图。图3是本专利技术在OTB-2013数据集中在50个视频序列的成功率曲线图。图4是本专利技术在OTB-2013数据集中在50个视频序列的光照变化属性的跟踪精确度曲线图。图5是本专利技术在OTB-2013数据集中在50个视频序列的光照变化属性的成功率曲线图。图6是本专利技术在OTB-2013数据集中在50个视频序列的尺度变化属性的跟踪精确度曲线图。图7是本专利技术在OTB-2013数据集中在50个视频序列的尺度变化属性的成功率曲线图。图8是本专利技术在OTB-2013数据集中在50个视频序列的平面内旋转属性的跟踪精确度曲线图。图9是本专利技术在OTB-2013数据集中在50个视频序列的平面内旋转属性的成功率曲线图。图10是本专利技术在OTB-2013数据集中在50个视频序列的平面外旋转属性的跟踪精确度曲线图。图11是本专利技术在OTB-2013数据集中在50个视频序列的平面外旋转属性的成功率曲线图。图12是本专利技术在OTB-2013数据集中在50个视频序列的出视野属性的跟踪精确度曲线图。图13是本专利技术在OTB-2013数据集中在50个视频序列的出视野属性的成功率曲线图。图14是本专利技术在OTB-2013数据集中在50个视频序列的形变属性的跟踪精确度曲线图。图15是本专利技术在OTB-2013数据集中在50个视频序列的形变属性的成功率曲线图。图16是本专利技术在OTB-2015数据集中在100个视频序列的精确度曲线图。图17是本专利技术在OTB-2015数据集中在100个视频序列的成功率曲线图。具体实施方式如图1所示，本专利技术的总体步骤为：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤2与步骤3顺序可调换；步骤4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。本专利技术详细步骤如下：步骤1、初始化以下参数：目标周围的额外填充区域；位置滤波理想相关输出标准差；理想尺度滤波输出标准差；滤波器正则化权重λ，λ1，λ2；跟踪模型学习因子η；尺度级数S；尺度增量因子a；峰值旁瓣比(PSR)的初始值设置；采用方向梯度直方图(HOG)特征大小为4pixel×4pixel的目标单元。步骤2A、分类器将候选窗口图像块(候选窗口图像块在公式中的参数为z，以下称为候选窗口图像z)的所有通过循环移位得到的训练样本形成数据矩阵D0和期望输出y通过优化如下公式(1)：得到一个对目标图像块具有高响应，且对上下文图像块接近零响应的上下文感知滤波器(上下文感知滤波器在公式中的参数为w，以下简称为滤波器w)，λ1为正则化本文档来自技高网...

【技术保护点】
1.一种通过时空上下文进行视觉跟踪的方法，包括如下步骤：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；其特征在于：还包括：步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。

【技术特征摘要】
1.一种通过时空上下文进行视觉跟踪的方法，包括如下步骤：步骤1：初始化参数；步骤2：训练上下文感知滤波器得到位置模型；步骤3：训练尺度相关滤波器的最大尺度响应值得到尺度模型；步骤4：分类器输出响应图；判别相关滤波器生成与响应图峰值对应的峰值旁瓣比；其特征在于：还包括：步骤5：对比响应图峰值与峰值旁瓣比，如果响应图峰值大于峰值旁瓣比，则引入在线随机蕨分类器进行重检测；如果响应图峰值小于峰值旁瓣比，则更新步骤2的位置模型和步骤3的尺度模型；如果响应图峰值等于峰值旁瓣比，则继续维持当前视觉跟踪状态；步骤6：将更新好的位置模型与尺度模型作用于下一帧跟踪；返回步骤4。2.根据权利要求1所述的一种通过时空上下文进行视觉跟踪的方法，其特征在于：所述步骤2与所述步骤3的顺序可调换。3.根据权利要求1所述的一种通过时空上下文进行视觉跟踪的方法，其特征在于：所述步骤5中，位置模型更新的具体步骤如下：...

【专利技术属性】
技术研发人员：柳培忠，陈智，骆炎民，杜永兆，张万程，
申请(专利权)人：华侨大学，泉州市中仿宏业信息科技有限公司，
类型：发明
国别省市：福建,35