The invention provides a tracking method based on dual-model adaptive kernel correlation filter, which includes: initializing the position of the target, calculating the Gauss tag, establishing the main feature model and the auxiliary feature model; extracting HOG features as the features of the main feature model, extracting the depth convolution features as the features of the auxiliary feature model, setting initialization parameters; and calculating the pre-estimation using the main feature model. Estimate the response layer of the target, and get the optimal position and scale of the target through Newton iteration method. If the maximum confidence response value max of the response layer corresponding to the optimal scale is greater than the empirical threshold u, the position of the target is determined and the principal feature model is updated. If Max is less than or equal to the empirical threshold u, the update of the principal feature model is stopped and the search area is enlarged. To extract the CNN features of the target pre-selected area, and to reduce the dimension of the deep CNN features by PCA technology, to use the dimension-reduced CNN features, to predict the new target location, and to update the auxiliary feature model; until the end of the video sequence.
【技术实现步骤摘要】
一种基于双模型自适应核相关滤波追踪方法
本专利技术涉及计算视觉
，具体而言，尤其涉及一种基于双模型自适应核相关滤波追踪方法。
技术介绍
目标跟踪是计算机视觉领域的基本组成，在许多实际应用中充当很重要的角色，例如智能交通，智能监控等。目标跟踪就是在几乎没有任何先验知识的情况下进行跟踪，初始状态下，在视频图像序列第一帧给定目标尺寸与目标位置，在后续图像序列中预测给定目标的运行轨迹与目标尺寸。跟踪算法分为生成式跟踪算法和判别式跟踪算法。生成式跟踪算法就是通过一定的统计手段(稀疏表达、CN、颜色直方图等)，提取当前帧目标外观模型的有效信息，在下一帧的目标候选区域中寻找出与目标相关性最高的区域。判别式跟踪算法简单点说就是将目标信息与背景信息划分为两个显著的类，进而训练一个可以区分背景和目标的分类器。生成式跟踪算法只是通过提取目标外观模型的有效信息，而忽略了背景信息，判别式跟踪算法充分利用目标信息与背景信息的差异性，因此判别方法比生成方法更加鲁棒。目标跟踪问题之所以复杂，就是在跟踪过程中可能发生快速移动，背景复杂，运动模糊，形变，光照改变，平面内外旋转，低分辨率，遮挡，...
【技术保护点】
1.一种基于双模型自适应核相关滤波追踪方法，包括以下步骤：步骤S1：初始化预估计目标的位置，计算高斯标签，建立主特征模型和辅助特征模型；步骤S2：在初始化帧，提取预估计目标的HOG特征作为主特征模型的特征，提取预估计目标的深度卷积特征作为辅助特征模型的特征，设置主特征模型初始化参数，设置辅助特征模型的初始化参数；步骤S3：利用所述主特征模型计算预估计目标的响应层，将所述响应层经过牛顿迭代法得到预估计目标的最优位置和最优尺度；其中，所述最优尺度对应的响应层的最大置信响应值为max；所述最优尺度即为预估计目标的预估尺度；步骤S4：若所述最大置信响应值max大于经验阈值u，则可以...
【技术特征摘要】
1.一种基于双模型自适应核相关滤波追踪方法，包括以下步骤：步骤S1：初始化预估计目标的位置，计算高斯标签，建立主特征模型和辅助特征模型；步骤S2：在初始化帧，提取预估计目标的HOG特征作为主特征模型的特征，提取预估计目标的深度卷积特征作为辅助特征模型的特征，设置主特征模型初始化参数，设置辅助特征模型的初始化参数；步骤S3：利用所述主特征模型计算预估计目标的响应层，将所述响应层经过牛顿迭代法得到预估计目标的最优位置和最优尺度；其中，所述最优尺度对应的响应层的最大置信响应值为max；所述最优尺度即为预估计目标的预估尺度；步骤S4：若所述最大置信响应值max大于经验阈值u，则可以确定预估计目标位置，更新所述主特征模型；若所述最大置信响应值max小于等于经验阈值u，则停止对主特征模型更新，扩大搜索区域，提取目标预选区域的CNN特征，并且用PCA技术对深度CNN特征降维，使用降维的CNN特征，预估新的目标位置，并更新辅助特征模型；步骤S5：重复上述步骤S3、步骤S4，直到视频序列结束。2.根据权利要求1所述的基于双模型自适应核相关滤波追踪方法，所述步骤S1中计算高斯标签的过程是使用高斯分布的软标签，负样本通过目标位置的循环位移获得，根据生成的循环样本距离正样本位置远近，生成高斯分布的标签，即高斯分布的峰值位置对应着原始目标块。3.根据权利要求1所述的基于双模型自适应核相关滤波追踪方法，其特征在于，所述步骤S2中主特征模型初始化参数包括第一核函数、第一学习速率、第一正则化系数、尺度因子以及原始核带宽；所述辅助特征模型初始化参数包括第二核函数、第二学习速率以及第二正则化系数。4.根据权利要求1所述的基于双模型自适应核相关滤波追踪方法，其特征在于，所述步骤S3具体包括：步骤S31：所述主特征模型对预估计目标进行裁剪后...
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。