一种基于多种特征融合的背景时空相关滤波跟踪方法技术

本发明专利技术涉及一种基于多种特征融合的背景时空相关滤波跟踪方法，包括：A1、对预先设定的视频序列，获取第t‑1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h；A2、根据所述第t‑1帧图像中目标的位置，提取以目标的位置为中心的目标区域，并获取所述目标区域的HOG特征、第一深度特征及第二深度特征；A3、基于第t‑1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h以及目标区域的HOG特征、第一深度特征及第二深度特征，构建第一滤波器；A4、基于第t帧图像和第t‑1帧图像所对应的第一滤波器，确定第t帧图像中目标的位置和尺度；A5、根据第t帧的特征图，更新第一滤波器，获取新的第一滤波器；A6、重复步骤A4‑A6直至全部帧的图像处理完。

A background spatiotemporal correlation filtering and tracking method based on multi feature fusion

【技术实现步骤摘要】
一种基于多种特征融合的背景时空相关滤波跟踪方法
本专利技术涉及图像处理
，尤其涉及一种基于多种特征融合的背景时空相关滤波跟踪方法。
技术介绍
目标跟踪是计算机视觉领域中一个重要同时具有挑战性的研究方向。目标跟踪技术无论在民用还是军事上都有广泛的应用，包括视频监控、人机交互、无人驾驶以及导弹的跟踪拦截等。目标跟踪的基本思想是序列图像中根据目标在视频信息的时空上相关性，确定感兴趣的目标在每一帧的位置和姿态。目标跟踪技术经过几十年的发展，已取得了可观的进步，提出了许多性能优异的跟踪算法，但是由于跟踪方法收到许多因素的影响，尤其是光照的变化、遮挡、姿态与视角的变化、相似物体及所处的复杂背景的干扰等。因此目前为止，仍然没有单一的跟踪方法能同时解决跟踪中各项因素的干扰，只是在某些方面具有较好的鲁棒性。因此，建立一个具有鲁棒性和普适性的目标跟踪系统是一个具有挑战性和广阔前景的热点问题。虽然现有的技术中提出了许多性能优异的算法，但仍然存在缺陷和不足，基于生成式的跟踪方法旨在建立一个合理高效的目标表示模型，但这样会大幅增加计算的成本，难以满足跟踪系本文档来自技高网...

【技术保护点】
1.一种基于多种特征融合的背景时空相关滤波跟踪方法，其特征在于，包括步骤：/nA1、针对预先设定的视频序列，获取所述视频序列中第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h；/n所述预先设定视频序列包括多帧图像；/nA2、根据所述第t-1帧图像中目标的位置，提取以所述目标的位置为中心的目标区域，并获取所述目标区域的HOG特征、第一深度特征及第二深度特征；/nA3、基于所述第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h以及所述目标区域的HOG特征、第一深度特征及第二深度特征，构建第一滤波器；/nA4、基于所述第t帧图像和所述第t-1帧图像所对应的第一滤波器，确定第...

【技术特征摘要】
1.一种基于多种特征融合的背景时空相关滤波跟踪方法，其特征在于，包括步骤：
A1、针对预先设定的视频序列，获取所述视频序列中第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h；
所述预先设定视频序列包括多帧图像；
A2、根据所述第t-1帧图像中目标的位置，提取以所述目标的位置为中心的目标区域，并获取所述目标区域的HOG特征、第一深度特征及第二深度特征；
A3、基于所述第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h以及所述目标区域的HOG特征、第一深度特征及第二深度特征，构建第一滤波器；
A4、基于所述第t帧图像和所述第t-1帧图像所对应的第一滤波器，确定第t帧图像中目标的位置和尺度；
A5、根据所述第t帧的特征图，更新所述第一滤波器，获取新的第一滤波器；
A6、重复步骤A4-A6直至全部帧的图像处理完成。


2.根据权利要求1所述的方法，其特征在于，所述步骤A2包括：
A2-1、在所述第t-1帧图像中，确定以所述目标位置为中心的目标区域；
A2-2、根据所述目标位置的目标区域，获取该目标区域的HOG特征、
A2-3、针对所述目标位置的目标区域，采用预先设定的VGGNet-16深度模型提取得到第一深度特征；
A2-4、针对所述目标位置的目标区域，采用预先设定的VGGM-2048深度模型提取得到第二深度特征。


3.根据权利要求2所述的方法，其特征在于，所述步骤A3包括：
A3-1、基于所述第t-1帧图像中目标的特征图像、目标的位置和目标框的宽w和高h和预先设定的输出因子σ'和预先设定的特征区块的边长cell_size，获取所述第t-1帧图像中目标的特征图像的每一特征区域块的高斯函数标签的傅里叶域；
A3-2、对所述目标区域的HOG特征、第一深度特征及第二深度特征进行融合处理，获取特征X，并对所述融合后的特征X进行傅里叶变换，获取特征X的傅里叶域；
A3-3、基于所述第t-1帧图像中目标的特征图像的每一特征区域块的高斯函数标签的傅里叶域、特征X的傅里叶域，采用预先设定的目标函数确定第一滤波器；
其中目标函数为：
其中，特征通道k(k＝1,2,.……,K)的相关滤波算法，T为循环移位样本数，[Δτj]为第j个循环移位运算符，P为裁剪块为的是裁剪出目标区域外的背景块信息，后续两项为空间正则项、时间正则项，λ,λ1为空间正则项、时间正则项的参数，为一个倒立的高斯分布权重；θ为前帧学习的滤波器参数。


4.根据权利要求3所述的方法，其特征在于，所述步骤A3-1包括：
A3-1-1、对所述第t-1帧图像中目标的特征图像，进行网格划分，获取与所述第t-1帧图像中目标的特征图像对应的多个具有预先设定第一边长的特征区块；
A3-1-2、则基于t-1帧目标框的宽w和高h和预先设定的输出因子σ'和预先设定的第一边长；采用公式获取参数σ；
其中，cell_size为预先设定的第一边长；
A3-1-3、计算候选区域块中离目标中心点循环移位的横坐标步长rs、纵坐标步长cs；
其中，所述候选区域块为所述目标框面积预设倍数的面积区域块；
A3-...

【专利技术属性】
技术研发人员：张建明，冯文俊，刘阳，孙娟，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南;43