一种基于尺度上下文回归的目标追踪与跟随方法技术

本发明专利技术公开了一种基于尺度上下文回归的目标追踪与跟随方法，包括：通过单目摄像机采集图片，用户通过在待跟随目标上设置一个标识物体所在图像区域的矩形包围盒来初始化追踪过程；使用尺度上下文回归模型进行目标追踪，获取目标位置和尺度；使用基于局部块的追踪目标质量评估方法，判断是否发生目标丢失并及时的进行重检测；建立跟随者自身与待跟随目标的相对位置关系，同时基于此相对位置关系调整跟随者自身位姿。本发明专利技术在目标跟随过程中，增强系统判别与待跟随目标具有相似语义干扰物的能力，通过后处理使系统能够判断目标是否丢失并及时进行重检测，建立自身与目标的相对位置关系，最后调整自身位姿进行跟随。

【技术实现步骤摘要】
一种基于尺度上下文回归的目标追踪与跟随方法
本专利技术属于计算机视觉和机器人领域，更具体地，涉及一种基于尺度上下文回归的目标追踪与跟随方法。
技术介绍
一直以来，目标跟随在人机交互领域中是一个重要的任务。目标跟随要求移动机器人能在连续的视频序列中先进行快速且准确的目标追踪，建立移动机器人自身与待跟随目标的相对位置关系，同时基于此关系调整移动机器人自身位姿，最终能够跟随到待跟随目标。其子任务目标追踪在整个跟随系统中起着定位目标的关键性作用，除在目标跟随系统中的应用外还有着广泛的用途，比如交通监控系统中的车辆追踪，智能交互系统中的手势追踪等等。由于实际场景的复杂多变，例如尺度变换、快速运动和遮挡等，该项任务仍然具有很高的挑战性，与此同时它也限制了目标跟随系统的稳定性。经典目标跟随方法往往不能高效的判断是否存在与追踪目标相似语义的干扰物，也无法自主的判断目标是否丢失并在目标丢失时及时进行重检测。常用的目标跟随方法包含：基于激光的方法，基于深度相机的方法和基于单目相机的方法。基于激光的方法需要输入激光测距数据，由于忽略了大量的目标表观信息，该类本文档来自技高网...

【技术保护点】
1.一种基于尺度上下文回归的目标追踪与跟随方法，其特征在于，包括如下步骤：/n(1)通过单目摄像机采集图片，用户通过在待跟随目标上设置一个标识物体所在图像区域的矩形包围盒来初始化追踪过程；/n(2)使用尺度上下文回归模型进行目标追踪，获取目标位置和尺度，包含以下子步骤：/n(2.1)通过在追踪过程中存储历史帧，并利用每帧对应的预测目标包围盒作为标注信息，在线训练一个基于尺度上下文回归的分类器模型；/n(2.2)在待追踪的图片上使用(2.1)中训练的基于尺度上下文回归的模型定位目标；/n(3)使用基于局部块的追踪目标质量评估方法，判断是否发生目标丢失并及时的进行重检测；/n(4)建立跟随者自身与...

【技术特征摘要】
1.一种基于尺度上下文回归的目标追踪与跟随方法，其特征在于，包括如下步骤：
(1)通过单目摄像机采集图片，用户通过在待跟随目标上设置一个标识物体所在图像区域的矩形包围盒来初始化追踪过程；
(2)使用尺度上下文回归模型进行目标追踪，获取目标位置和尺度，包含以下子步骤：
(2.1)通过在追踪过程中存储历史帧，并利用每帧对应的预测目标包围盒作为标注信息，在线训练一个基于尺度上下文回归的分类器模型；
(2.2)在待追踪的图片上使用(2.1)中训练的基于尺度上下文回归的模型定位目标；
(3)使用基于局部块的追踪目标质量评估方法，判断是否发生目标丢失并及时的进行重检测；
(4)建立跟随者自身与待跟随目标的相对位置关系，同时基于此相对位置关系调整跟随者自身位姿。


2.如权利要求1所述的基于尺度上下文回归的目标追踪与跟随方法，其特征在于，所述步骤(2.1)包括：
(2.1.1)在已知历史帧I＝{I1,I2,…,It}和追踪目标矩形包围盒B＝{B1,B2,…,Bt}的条件下，对每张图片Ii选取一个包含目标矩形包围盒Bi的搜索区域Rt，然后将Rt缩放至多种不同尺度t为历史帧的数量，S指尺度数目，对每种尺度的搜索区域使用超像素经典算法进行超像素分割，将所有像素聚合成预设数目的超像素N为超像素数目；
(2.1.2)对每种尺度的搜索区域将包含在物体包围盒中的超像素视作正样本否则为视作负样本对每一个正样本遍历除自身以外的全部超像素样本，计算两者间特征距离，若低于相似度阈值λd，则投正样本数NO一票，类似地计算其与另一负样本之间的特征距离，若低于相似度阈值λd，则投负样本数NB一票，遍历完所有样本后，计算其为负样本的概率，ρ＝NB/(NO+NB)；若该超像素为负样本的概率ρ大于预设的超参数λs，将其从正样本中移除，最终整个超像素样本集合被划分为正样本集合和负样本集合分别为每个正样本标注为1，每个负样本则标注为-1，最终尺度为s的搜索区域按照超像素顺序标注为集合Ls∈RN×1；
(2.1.3)使用回归系数ws和超像素对应的特征表达预测对应超像素的类别将每个超像素预测类别与训练标签对应计算分类损失并求和添加一个正则项|ws|2以避免过拟合,并设计一个正则项权重λ来控制正则化函数，得目标函数为：优化目标是找到一组参数使得Loss最小，通过Loss对ws求导，并根据极值点导数为0的条件，推导出：2(Fs)T(Ls-fsws)-2γws＝0，Fs指代在尺度s下的所有超像素的特征矩阵，Ls指代在尺度s下的所有超像素的标签值矩阵，获得脊回归的闭式解：ws＝((Fs)TFs+γI)-1(Fs)TLs；由此构建一个基于尺度上下文回归的模型。


3.如权利要求1或2所述的基于尺度上下文回归的目标追踪与跟随方法，其特征在于，所述步骤(2.2)包括：
(2.2.1)利用Bt在待追踪的图片It+1上获得搜索区域Rt+1,根据基础目标追踪算法Staple获得目标在Rt+1上的响应图Cstaple；
(2.2.2)将Rt+1被缩放至多种不同尺度S指尺度数目，对每种尺度的搜索区域使用超像素分割算法SLIC将所有像素聚合成预设数目的超像素对于每个超像素提取特征距离并利用(2.1)中训练的基于尺度上下文回归的模型对每一个超像素分配一个分数，每个超像素里的所有像素具有相同的分数：其中表示在尺度为s时该超像素属于目标的概率,获得目标在Rt+1上的响应图Cs；将所有尺度的响应图缩放至同样大小，通过线性加权将各个尺度的响应图融合至同一响应图：
(2.2.3)使用通过(2.2.1)得到的响应图Cstaple和通过(2.2.2)得到的响应图Csp，通过线性加权得到C，取C中的峰值位置作为目标的位置(cx,cy)，再通过DSST方法获得目标的宽高(w,h)，至此完成It+1的目标追踪过程：Bt+1＝(cx,cy,w,h)。


4.如权利要求1或2所述的基于尺度...

【专利技术属性】
技术研发人员：周瑜，白翔，朱盈盈，宋德嘉，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42