一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法技术

本发明专利技术公开了一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，包括以下步骤：通过视频拍摄采集路面车辆行驶视频数据；使用颜色空间变换，将RGB空间转化为HSV空间；利用LBP算法提取特征；得到训练样本；利用最小二乘法计算训练样本的回归值；计算核矩阵；计算相关滤波器与其限制变量；设计合适的尺度池，使得尺度与追踪目标车辆匹配，并计算响应值；对每一帧所得到的跟踪车辆的中心位置进行连线，画出视频中跟踪车辆的轨迹。本发明专利技术在相关滤波器学习上强制执行弹性网络约束，稀疏性可以通过对相关滤波器的相应条目进行零化来自适应地忽略干扰特征，如遮挡和杂乱背景，提高了相关滤波的鲁棒性。

A LBP feature correlation filtering tracking method for road vehicles in occlusion scenarios

【技术实现步骤摘要】
一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法
本专利技术属于视觉跟踪
，具体涉及一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法。
技术介绍
视觉跟踪在信号处理和计算机视觉中起着重要的作用，其具有多种应用，例如视频处理、运动分析和无人机控制系统。视觉跟踪一般分为单目标跟踪和多目标跟踪。它们与不同的应用场所以及研究方法有关。近年来，视觉跟踪技术发展迅速，视觉跟踪器的性能在精确度、鲁棒性和运行速度方面得到了显著的提高。然而，一些因素，如严重闭塞、非刚性变形、照明变化、比例变化、背景杂波和平面内/平面外旋转，仍然阻碍了视觉跟踪的实际应用。近年来，相关滤波器在计算机视觉领域得到了广泛的应用。基于卷积定理，时间域中的相关对应于傅里叶域中的逐元相乘。因此，相关滤波器的本质思想是在傅里叶域中计算相关。同时，将相关滤波器看作是信号处理中的两个信号之间的相似性度量。大多数现有的基于相关滤波器的跟踪器要么使用固定比例，要么使用唯一的过滤模板来表示目标对象，使其不能有效地捕获目标外观的变化。现有的相关滤波器算法主要存在如下缺点：(1)使用简单的线性插值更新模型，当目标外观发生尺度放大、缩小等变化时，跟踪算法容易产生漂移；(2)使用方向梯度直方图(HistogramofOrientedGradient,HOG)的相关滤波方法，没有尺寸和旋转不变性；(3)使用颜色命名等特征检测算法，对于线条、纹理等特征不能很好地进行检测。(4)当产生部分遮挡时，模型容易被破坏，从而使得跟踪漂移。
技术实现思路
本专利技术的目的在于提供一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法。实现本专利技术目的的技术解决方案为：一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，包括以下步骤：步骤1，通过视频拍摄采集路面车辆行驶视频数据；步骤2，使用图像的颜色空间变换，将RGB空间转化为HSV空间；步骤3，利用LBP算法提取特征；步骤4，将图像第一帧中提取的车辆LBP特征作为跟踪部分叠加到一个列向量中，移位循环得到训练样本；步骤5，利用最小二乘法计算训练样本的回归值；步骤6，计算核矩阵；步骤7，计算相关滤波器与其限制变量；步骤8，设计尺度池，使得尺度与追踪目标车辆匹配，并计算响应值；步骤9，重复步骤2至步骤8，直至视频结束；步骤10，对每一帧所得到的跟踪车辆的中心位置进行连线，画出视频中跟踪车辆的轨迹。与现有技术相比，本专利技术的显著优点为：(1)在相关滤波器学习上强制执行弹性网络约束，稀疏性可以通过对相关滤波器的相应条目进行零化来自适应地忽略干扰特征，如遮挡和杂乱背景，提高了相关滤波的鲁棒性；(2)LBP具有旋转不变性与灰度不变性的优点，对于跟踪目标的旋转等形变具有良好的检测效果；(3)HSV空间有利于粗估车辆区域，以减少车辆的搜索面积；(4)加入对相关滤波器的限制变量，以提高滤波器对遮挡等场景的鲁棒性；加入尺度池，以解决核相关滤波不能自适应跟踪目标尺度大小变化的问题。附图说明图1为本专利技术适用于遮挡场景的道路车辆LBP特征相关滤波车辆跟踪方法流程图。图2为一段视频中的三帧图像。图3为图2中目标车辆的跟踪效果图。图4为图2中目标车辆行驶轨迹图。具体实施方式结合图1，一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，包括以下步骤：S1：通过视频拍摄采集路面车辆行驶视频数据；S2：使用图像的颜色空间变换，将RGB空间转化为HSV空间；S3：利用LBP算法提取特征；(1)首先将检测窗口划分为16×16的区域，称为cell；(2)对于每个cell中的一个像素，将相邻的8个像素的灰度值与其进行比较，若周围像素值大于中心像素值，则该像素点的位置被标记为1，否则为0；3*3邻域内的8个点经比较可产生8位二进制数，即得到该窗口中心像素点的LBP值；(3)计算每个cell的直方图，即每个数字出现的频率；然后对该直方图进行归一化处理。(4)将得到的每个cell的统计直方图连接成为一个特征向量，也就是整幅图的LBP纹理特征向量。S4：将图像第一帧中提取的车辆LBP特征作为跟踪部分叠加到一个列向量中，用x表示，x＝[x1,x2,…,xC]，由x移位循环得到训练样本X；S5：利用最小二乘法计算训练样本X的回归值y，即求解其中‘||.||2’表示所有元素的绝对值之和的l2范数，w表示线性系数。S6：计算其中表示非线性函数，上标‘T’表示矩阵的转置。得到核矩阵K，其大小为C×C；S7：计算相关滤波器与其限制变量直到不收敛；其中°表示阿达玛积，τ、μ>0为权重参数，k1表示K的第一行，上标‘^’表示离散傅里叶变换，‘*’表示共轭运算，‘||.||1’表示所有元素的绝对值之和的l1范数，上标‘T’表示矩阵的转置；S8：设计尺度池S＝{t1,t2,…,tk}，将当前尺寸ST＝(sx,sy)与尺度池S相乘：ST*S＝{tiST|ti∈S}，即使得追踪的尺度与追踪目标车辆的大小相匹配；将下一帧中同一位置的补丁区域z作为待检测区域，计算傅里叶域的响应：其中表示模型中要学习的数据，“·”表示点积；并找到最大响应的检测区域：即视为目标车辆新的位置；S9：重复步骤S2至S8，直至视频结束；S10：对每一帧所得到的跟踪车辆的中心位置进行连线，画出视频中跟踪车辆的轨迹。本专利技术中出现的术语解释如下：LBP(LocalBinaryPattern，局部二值模式)是一种通过比较相邻像素的灰度值，来描述图像局部特征的算子。RGB空间：以红(Red)、绿(Green)、蓝(Blue)三种基本色为基础，进行不同程度的叠加，得到的图像空间。HSV图像：以色调(Hue)、饱和度(Saturation)、亮度(Value)这三种颜色的直观特性组成的颜色空间。下面结合具体实施例对本专利技术作进一步详细地描述。实施例结合图1，一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，通过视频拍摄采集路面车辆行驶视频数据；使用颜色空间变换，将RGB空间转化为HSV空间，其有利于粗估车辆区域，以减少车辆的搜索面积；利用LBP算法提取特征，使得其对于跟踪目标的旋转等形变具有良好的检测效果；得到训练样本；利用最小二乘法计算训练样本X的回归值y；计算核矩阵K；计算相关滤波器与其限制变量提高相关滤波器对于部分遮挡等问题的鲁棒性；设计合适的尺度池，使得尺度与追踪目标车辆匹配，并计算响应值；对每一帧所得到的跟踪车辆的中心位置进行连线，画出视频中跟踪车辆的轨迹。如图2所示，取一段视频中的三帧，取μ＝10-5、并取尺度池为[0.9800.9850.990.9951.001.0051.0101.0151.020]，其跟踪效果如图3所示。跟踪区域尺度自适应，且在经历树木阴影的部分遮挡时，其目标车辆依然能够实现跟踪。该目标车辆行驶轨迹如图4所示。本文档来自技高网...

【技术保护点】
1.一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，其特征在于，包括以下步骤：步骤1，通过视频拍摄采集路面车辆行驶视频数据；步骤2，使用图像的颜色空间变换，将RGB空间转化为HSV空间；步骤3，利用LBP算法提取特征；步骤4，将图像第一帧中提取的车辆LBP特征作为跟踪部分叠加到一个列向量中，移位循环得到训练样本；步骤5，利用最小二乘法计算训练样本的回归值；步骤6，计算核矩阵；步骤7，计算相关滤波器与其限制变量；步骤8，设计尺度池，使得尺度与追踪目标车辆匹配，并计算响应值；步骤9，重复步骤2至步骤8，直至视频结束；步骤10，对每一帧所得到的跟踪车辆的中心位置进行连线，画出视频中跟踪车辆的轨迹。

【技术特征摘要】
1.一种适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，其特征在于，包括以下步骤：步骤1，通过视频拍摄采集路面车辆行驶视频数据；步骤2，使用图像的颜色空间变换，将RGB空间转化为HSV空间；步骤3，利用LBP算法提取特征；步骤4，将图像第一帧中提取的车辆LBP特征作为跟踪部分叠加到一个列向量中，移位循环得到训练样本；步骤5，利用最小二乘法计算训练样本的回归值；步骤6，计算核矩阵；步骤7，计算相关滤波器与其限制变量；步骤8，设计尺度池，使得尺度与追踪目标车辆匹配，并计算响应值；步骤9，重复步骤2至步骤8，直至视频结束；步骤10，对每一帧所得到的跟踪车辆的中心位置进行连线，画出视频中跟踪车辆的轨迹。2.根据权利要求1所述的适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，其特征在于，步骤4中将图像第一帧中提取的车辆LBP特征作为跟踪部分叠加到一个列向量中，用x表示，x＝[x1,x2,…,xC]，由x移位循环得到训练样本X。3.根据权利要求2所述的适用于遮挡场景的道路车辆LBP特征相关滤波跟踪方法，其特征在于，利用最小二乘法计算训练样本X的回归值y，即求解其中‘||.||2’表示...

【专利技术属性】
技术研发人员：章世祥，陆永泉，闫志刚，王晨，丁军华，蒋龙泉，张贵忠，成礼平，汪永兰，李波，
申请(专利权)人：中设设计集团股份有限公司，
类型：发明
国别省市：江苏,32