【技术实现步骤摘要】
对ECO特征提取性能进行优化的目标跟踪方法及装置
本专利技术涉及计算机视觉应用目标跟踪领域,尤其涉及一种对ECO特征提取性能进行优化的目标跟踪方法及装置。
技术介绍
视觉目标跟踪是计算机视觉中一个重要研究方向,在军事无人飞行器、精确制导以及空中预警和民用视频监控,人机交互和无人驾驶等众多领域有着极其广泛的应用,然而目标跟踪面临着目标尺度变换、重度遮挡、快速移动、超出视野和光照变化等众多挑战,因此提出一种可靠的实时视觉目标跟踪方法具有很重要的现实意义。以往的相关滤波视觉目标跟踪算法主要是使用给出的样本去训练一个判别分类器,判断跟踪到的是目标还是周围的背景信息。主要使用轮转矩阵对样本进行采集,使用快速傅里叶变换对算法进行加速计算,而ECO目标跟踪算法在此基础上着重于解决模型过大的问题,通过减少参数,简化训练集,减少模型更新频率来加快跟踪速度,对抗模型漂移。对于目标轻度遮挡、姿态改变以及光照变化具有很好的跟踪效果,然而算法速度仍然有所限制,无法在嵌入式平台上达到实时跟踪的目的。
技术实现思路
为解决现有 ...
【技术保护点】
1.一种对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,包括以下步骤:/nS1、读取视频或图像序列的第一帧图像,确定跟踪目标;/nS2、将初始帧中跟踪目标所在候选区域缩放到特定大小,利用并行方式计算傅里叶变换来提取特征;/nS3、针对特征制作label标签,修改高斯分布为多个极值;/nS4、通过提取的特征和label标签训练ECO的相关滤波器;/nS5、读取下一帧图像,利用训练好的相关滤波器卷积图像候选区域对应的特征,获取图像候选区域的置信度图,置信度图概率最大位置对应当前帧图像的目标位置及其置信度概率;/nS6、将得到的目标作为样本,使用样本融合更新策略,更新EC ...
【技术特征摘要】
1.一种对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,包括以下步骤:
S1、读取视频或图像序列的第一帧图像,确定跟踪目标;
S2、将初始帧中跟踪目标所在候选区域缩放到特定大小,利用并行方式计算傅里叶变换来提取特征;
S3、针对特征制作label标签,修改高斯分布为多个极值;
S4、通过提取的特征和label标签训练ECO的相关滤波器;
S5、读取下一帧图像,利用训练好的相关滤波器卷积图像候选区域对应的特征,获取图像候选区域的置信度图,置信度图概率最大位置对应当前帧图像的目标位置及其置信度概率;
S6、将得到的目标作为样本,使用样本融合更新策略,更新ECO算法的样本集;
S7、利用更新的样本集采用步骤S2的方法提取特征,同时制作label标签训练ECO,更新相关滤波器;
S8、循环执行步骤S5~S7,直至当前视频或图像序列处理完。
2.如权利要求1所述的对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,所述步骤S2具体包括:
先对跟踪目标所在候选区域z提取多尺度特征x,包括FHOG特征以及颜色CN特征,将提取的特征进行PCA降维,然后通过傅里叶变换由时域转为频域,傅里叶转化公式如下:
其中为降维后的离散特征,N、M对应二维离散特征的行数和列数。
3.如权利要求2所述的对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,所述步骤S2中对跟踪目标所在候选区域提取FHOG特征具体包括:
(1)将输入的RGB三通道图像转化为单通道图像;
(2)采用gamma校正法对输入图像进行颜色空间的标准化,校正公式为:
其中0<gamma<1;
(3)计算图像梯度,包括每个像素点的梯度值和梯度方向,x方向和y方向的卷积核分别为:
得到水平方向梯度,垂直方向梯度,得到每个像素点的梯度和梯度方向分别为:
(4)构建18维hog特征向量,将图像分成若干个cell,每个cell的梯度方向按360度均分成18个方向块,每个方向块20度,计算每个cell的梯度方向直方图,则每个cell对应一个18维特征向量;
(5)通过归一化截断得到每个cell对应的36维特征向量;
将步骤(4)中每个cell的梯度方向分为9个方向块,其中0-20度或180-200度对应一个方向块,则对于这第个cell便对应9维特征向量,同时与其相邻的特征向量为:
定义,则36维特征向量为:
(6)利用PCA降维,得到36维特征向量的前13维特征向量;
(7)将前13维特征向量与步骤(4)得到的18维特征向量相加最终得到31维的特征向量。
4.如权利要求2所述的对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,所述步骤S2中傅里叶变换的处理方式如下:
傅里叶变换方便处理长度N=2^M的情况,如果长度不是2的整数次幂的情况,则通过补零即可;将x(n)分为奇偶两个序列,有,进一步把一个N点的FFT拆成两个N/2的DFT,同理逐渐拆下去,将2^m的DFT拆成m-1个2点的FFT,最后将其拆成多个8点的FFT。
5.如权利要求1所述的对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,所述步骤S3中修改高斯分布为具有4峰值的二维高斯分布,具体生成方式如下:
(1)先对25*25的区域生成具有单峰值的服从二维高斯分布的label;
(2)相邻行和相邻列求和取均值,将其调整为24*24大小的具有多峰值且服从二维高斯分布的label;
(3)同时利用傅里叶变换转换到频域。
6.如权利要求1所述的对ECO特征提取性能进行优化的目标跟踪方法,其特征在于,所述步骤S4具体包括:
将傅里叶转化后特征插值到连续域,公式如下:
其中Xd是第d层特征,Nd为每层特征的行数,bd为事先计算的权重,T为连续区间的右侧,随后将各个特征图和相关滤...
【专利技术属性】
技术研发人员:鹿璇,李磊,杜飞飞,周严,
申请(专利权)人:武汉卓目科技有限公司,
类型:发明
国别省市:湖北;42
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。