一种基于谱滤波的目标跟踪方法技术

本发明专利技术公开了一种基于谱滤波的目标跟踪方法。该方法包括如下步骤：(1)对要跟踪的目标候选区域进行图的构建，得到目标区域的图模型表示；(2)对图模型表示的目标进行局部谱滤波器的构建；(3)对要跟踪的目标候选区域提取多通道的特征；(4)用谱滤波器在候选区域的多通道的特征图上进行滤波；(5)训练跟踪的模型以及对要跟踪目标位置的预测本发明专利技术利用图的旋转不变性和移动不变性这两个重要性质实现鲁棒的目标跟踪，能有效避免背景的引入从而得到准确的目标位置的估计。

【技术实现步骤摘要】
一种基于谱滤波的目标跟踪方法
：本专利技术涉及一种基于谱滤波的目标跟踪方法，属于目标跟踪

技术介绍
：视觉目标跟踪是计算机视觉中极具挑战性的一项任务，它在现实世界中的视频监控，交通监控，人脸识别，增强现实等方面都具有广泛的应用。当前目标追踪方法仍存在以下问题：目标不可预知的外观变化，包括部分遮挡，几何变形，光照变化，背景混乱，快速运动等问题让这项任务仍然具有挑战性。典型的视觉追踪是先给定目标在第一帧中初始框的位置，然后预测目标在下一帧中的位置。在基于局部的方法中，拓扑结构(例如树或图)通常对分割的多个部分的关系之间进行特征化，然后通过一些投票或匹配策略来发现可靠有用的部分，但在实际情况中对局部进行有效准确的切割很困难。基于整体的相关滤波的方法试图学习一组具有判别性的相关滤波器可以在目标中心产生相关滤波的峰值响应，但是基于整体的相关滤波方法在抵制目标外观变化上还不像那些基于局部的方法灵活。
技术实现思路
本专利技术的目的是提供一种基于谱滤波的目标跟踪方法，通过在目标候选图像区域上构造了一个基于像素点的网格图，避免了基于部分的方法中对候选区分割中的分割操作，通过构建基于图表示的跟踪模型和滤波器，在每个顶点的多尺度局部感知野上进行回归分析来有效估计下一帧中跟踪目标的中心坐标。上述的目的通过以下技术方案实现：一种基于谱滤波的目标跟踪方法，该方法包括如下步骤：(1)对要跟踪的目标候选区域进行图的构建，得到目标区域的图模型表示；(2)对图模型表示的目标进行局部谱滤波器的构建；(3)对要跟踪的目标候选区域提取多通道的特征；(4)用谱滤波器在候选区域的多通道的特征图上进行滤波；(5)训练跟踪的模型以及对要跟踪目标位置的预测。进一步，步骤(1)中所述的对要跟踪的目标候选区域进行图的构建是基于候选框中空间像素点的位置布局来定义邻接关系，候选框的每一个像素点相当于图的一个顶点，用欧几里得距离来定义每个顶点的空间最近邻接点的连接方式，选择邻接的方式之后，分配{0,1}权重给那些连接的边。进一步，步骤(2)中所述的局部谱滤波器的构建是基于图的傅里叶变换性质，通过对输入的空域信号的频域滤波表示，使用切比雪夫的K阶展开式来近似K阶谱滤波器，从而构建局部谱滤波器。进一步，步骤(3)中所述的对多通道特征的提取是从图像上裁剪目标候选框扩充一定倍数后的一块区域作为搜索区域，输入到VGG_Net网络中，并提取VGG_Net中六个卷积层的输出作为多通道的特征。进一步，步骤(4)中所述的多通道特征图上进行的谱滤波响应是基于切比雪夫多项式近似构建的谱滤波器在候选区域得到的。进一步，步骤(5)中所述的谱滤波器的模型参数通过一个简单的最小二乘回归模型进行训练学习，并且利用梯度下降法迭代求解，目标位置的预测通过计算候选区域的K阶谱滤波响应特征，然后计算检测的得分，最大得分的位置即新目标的中心坐标，并同时更新跟踪模型。有益效果：本专利技术方法与现有技术相比，具有以下的优点：(1)用图对目标的候选区域进行建模，构建的局部谱滤波器可以在候选图像区域进行局部滤波，既能高效地提取有用的特征，也能避免背景的引入从而能够得到准确的目标位置的响应；(2)将谱滤波器用切比雪夫多项式的一组基来近似，多项式的每一项相当于在图的局部区域上进行滤波的一个滤波器，通过多项式的近似能有效地避免拉普拉斯矩阵的特征值分解带来的庞大计算量；(3)将滤波器的参数和特征映射参数一起整合入一个简单的最小二乘回归模型中进行学习，利用梯度下降法迭代求解模型权重参数，它避免了计算过程中不必要的矩阵存储和求矩阵的逆的缺点，一定程度上对跟踪进行了加速。(4)本专利技术的实现是简单有效的，容易实现，但可以在标准目标跟踪数据集OTB-100上能取得和当前性能最优秀的跟踪器可比的结果，是一个鲁棒的跟踪器。附图说明图1为本专利技术谱滤波器跟踪器(SFT)的方法流程示意图。图2为本专利技术的四种不同的邻接顶点的连接方式示意图。图3为本专利技术的选择不同的邻接方式的跟踪性能(无尺度估计)的示意图。图4为本专利技术和几种经典的基于相关滤波的跟踪器(VGG_CF跟踪器、KCF跟踪器、CSK跟踪器)在OTB-100库上性能比较(无尺度估计)的示意图。图5为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上性能比较的示意图。图6为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上低分辨率和光照变化两个属性的性能比较示意图。图7为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上背景杂乱和尺度变化两个属性的性能比较示意图。图8为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上形变和平面外旋转两个属性的性能比较示意图。图9为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上平面内旋转和不在视野中两个属性的性能比较示意图。图10为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上快速移动和遮挡两个属性的性能比较示意图。图11为本专利技术和当前最好性能的多种跟踪器(VGG_CF_S跟踪器、HDT跟踪器、MEEM跟踪器、KCF跟踪器、Struck跟踪器)在OTB-100库上运动模糊属性的性能比较示意图。具体实施方式本专利技术的主体流程图如图1所示，一种基于谱滤波的目标跟踪方法，包括如下步骤：(1)对要跟踪的目标候选区域进行图的构建；基于空间像素点位置布局来定义邻接关系，把候选框区域的每一个像素点都作为图的一个顶点，使用欧几里得距离来定义顶点之间的距离。谱滤波器的基是一个局部感知野大小为k的滤波器，因此只需要定义每个参考点的空间最近邻接点的连接方式，像图2所示的前两种情况下。考虑到相邻像素中的图像纹理有很高的相似性，可以跳过一些像素来连接边，如图2最后两种情况所示。因此，当在相同大小的感知野进行滤波时，跳跃的模式需要更少的滤波器，本专利技术默认的邻接关系是使用如图2所示的第三种情况。选择邻接的方式之后，可以分配高斯权重或{0,1}权重给那些连接的边。为了简化加权的步骤，这里使用{0,1}的加权策略，即加权图的邻接矩阵定义如下：图3为选择不同的邻接方式的跟踪准确率(无尺度估计)的示意图，对于邻接顶点的选择，只需要连接那些最近的邻接点，因为谱滤波器可以覆盖距离较远的顶点的邻接关系，这里测试了图2中的四种情况，其结果在图3中报告，可以看到，(1)更多的邻接点(案例2)性能略微降低了，可能归因于在计算时，平均邻接点特征后的特征混淆；(2)相隔一个像素(如案例3)的跳跃模式达到最佳的实验性能。跳跃的策略可以理解为在特征图上进行下采样。跳跃步数的增加(如案例4)会降低性能，因为一些有用的信息不能在滤波的过程中进行编码。这里使用本文档来自技高网...

【技术保护点】
1.一种基于谱滤波的目标跟踪方法，其特征在于，该方法包括如下步骤：(1)对要跟踪的目标候选区域进行图的构建，得到目标区域的图模型表示；(2)对图模型表示的目标进行局部谱滤波器的构建；(3)对要跟踪的目标候选区域提取多通道的特征；(4)用谱滤波器在候选区域的多通道的特征图上进行滤波；(5)训练跟踪的模型以及对要跟踪目标位置的预测。

【技术特征摘要】
1.一种基于谱滤波的目标跟踪方法，其特征在于，该方法包括如下步骤：(1)对要跟踪的目标候选区域进行图的构建，得到目标区域的图模型表示；(2)对图模型表示的目标进行局部谱滤波器的构建；(3)对要跟踪的目标候选区域提取多通道的特征；(4)用谱滤波器在候选区域的多通道的特征图上进行滤波；(5)训练跟踪的模型以及对要跟踪目标位置的预测。2.如权利要求1所述的基于谱滤波的目标跟踪方法，其特征在于，步骤(1)中所述的对要跟踪的目标候选区域进行图的构建是基于候选框中空间像素点的位置布局来定义邻接关系，候选框的每一个像素点相当于图的一个顶点，用欧几里得距离来定义每个顶点的空间最近邻接点的连接方式，选择邻接的方式之后，分配{0,1}权重给那些连接的边。3.如权利要求1所述的基于谱滤波的目标跟踪方法，其特征在于，步骤(2)中所述的局部谱滤波器的构建是基于图的傅里叶变换性质，通过对输入的空域信...

【专利技术属性】
技术研发人员：郑文明，蔡友谊，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32