一种基于双模型的自适应融合的目标跟踪方法技术

本发明专利技术实施例提出一种基于双模型的自适应融合的目标跟踪方法。该基于双模型的自适应融合的目标跟踪方法利用基于相对置信度的自适应融合系数，使得相关滤波器响应和颜色分类器响应能够进行最优融合，进而充分地展现出各自模型的跟踪优势，有效地解决了现有Staple目标跟踪方法中的相关滤波器与颜色分类器的融合系数为常数而没有完全展示出相关滤波器跟踪模型和颜色分类器跟踪模型的优势的问题。

A target tracking method based on adaptive fusion of two models

【技术实现步骤摘要】
一种基于双模型的自适应融合的目标跟踪方法
本专利技术涉及计算机视觉的
，具体涉及一种基于双模型的自适应融合的目标跟踪方法。
技术介绍
目标跟踪是计算机视觉领域中主要的研究方向之一。目标跟踪涉及到的领域包括数字图像处理、机器学习、模式识别、神经网络、深度学习等，在视频监控、智能机器人等多个应用领域有着广阔的发展前景。近些年，基于检测的目标跟踪方法得到了很大的发展，其中，最主流的研究方向之一是基于相关滤波器的目标跟踪方法。2014年Henriques等人将MOSSE与CSK使用的单通道灰度特征扩展为的多通道方向梯度直方图特征(HOG)，并将特征用核技巧映射到高维空间，从而提出了KCF算法。KCF的提出，使得相关滤波类目标跟踪方法迅速发展。2015年Danelljan等人提出的SRDCF通过空域正则化去解决相关滤波器内在的边界效应，在VOT2015目标跟踪竞赛中名列前茅，但是SRDCF过大的计算量也限制了该算法的实用性。2016年Luca等人基于KCF的线性核版本DCF提出了Staple算法，Staple算法通过求解两个岭回归方程结合相本文档来自技高网...

【技术保护点】
1.一种基于双模型的自适应融合的目标跟踪方法，其特征在于，所述方法包括：/n步骤S1：根据初始帧，获取目标初始信息；/n步骤S2：分别从前景区域和背景区域提取颜色直方图，并采用岭回归方程求解和训练颜色分类器；/n步骤S3：从相关滤波区域提取特征，并训练相关滤波器；/n步骤S4：初始化尺度滤波器，提取不同尺度图像块来训练尺度滤波器；/n步骤S5：利用所述颜色分类器检测目标，获得颜色分类器的响应；/n步骤S6：在相关滤波区域内用相关滤波器检测目标，获得相关滤波的响应；/n步骤S7：根据所述相关滤波的响应计算相对置信度，基于所述相对置信度计算自适应融合系数，采用所述自适应融合系数融合相关滤波器的响应...

【技术特征摘要】
1.一种基于双模型的自适应融合的目标跟踪方法，其特征在于，所述方法包括：
步骤S1：根据初始帧，获取目标初始信息；
步骤S2：分别从前景区域和背景区域提取颜色直方图，并采用岭回归方程求解和训练颜色分类器；
步骤S3：从相关滤波区域提取特征，并训练相关滤波器；
步骤S4：初始化尺度滤波器，提取不同尺度图像块来训练尺度滤波器；
步骤S5：利用所述颜色分类器检测目标，获得颜色分类器的响应；
步骤S6：在相关滤波区域内用相关滤波器检测目标，获得相关滤波的响应；
步骤S7：根据所述相关滤波的响应计算相对置信度，基于所述相对置信度计算自适应融合系数，采用所述自适应融合系数融合相关滤波器的响应和颜色分类器的响应，获得检测目标的位置；
步骤S8：提取所述目标的特征，并更新所述相关滤波器和颜色分类器；
步骤S9：检测尺度变化，更新目标、前景区域、背景区域和尺度滤波器；
步骤S10：重复步骤S5至步骤S9，直至视频结束。


2.根据权利要求1所述的一种基于双模型的自适应融合的目标跟踪方法，其特征在于，所述目标初始信息包括目标位置、目标的长度、目标的宽度。


3.根据权利要求1所述的一种基于双模型的自适应融合的目标跟踪方法，其特征在于，所述步骤S2中提取颜色直方图的过程为：将颜色空间均分为若干个颜色区间，定义每个颜色区间为直方图的一个直方柱，统计前景区域或者背景区域落在每一个直方柱中的像素点的个数。


4.根据权利要求3所述的一种基于双模型的自适应融合的目标跟踪方法，其特征在于，所述颜色直方图的直方柱的宽度值为8。


5.根据权利要求1所述的一种基于双模型的自适应融合的目标跟踪方法，其特征在于，所述岭回归方程的表达式为：



χt表示训练样本及其对应...

【专利技术属性】
技术研发人员：戴伟聪，金龙旭，李国宁，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：吉林;22