一种结合时空正则化约束的视觉跟踪定位方法技术

本发明专利技术提供了视觉跟踪领域的一种结合时空正则化约束的视觉跟踪定位方法，包括如下步骤：步骤S10、对参数进行初始化；步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；步骤S30、将所述目标函数矩阵化；步骤S40、将矩阵化的所述目标函数转为频域函数；步骤S50、将所述频域函数最小化以求取最优解；步骤S60、利用所述最优解更新拉格朗日参数；步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。本发明专利技术的优点在于：极大的提升了视觉跟踪的准确性以及有效性。

【技术实现步骤摘要】
一种结合时空正则化约束的视觉跟踪定位方法
本专利技术涉及视觉跟踪领域，特别指一种结合时空正则化约束的视觉跟踪定位方法。
技术介绍
视觉跟踪是计算机视觉领域一个基本研究问题，并且在视频监控、无人驾驶、人机交互以及军事制导等领域中有广泛的运用。尽管近十几年来得到较好的发展，并且大量经典优秀的算法相继被提出，但其仍然是一个极具挑战的问题，存在着许多外界因素的干扰，例如光照变化、快速运动、遮挡和形变等。如何实现更加准确地跟踪，以及更好适应各种复杂场景的挑战是目前视觉跟踪领域研究的重要课题。一方面，目前单一特征视觉跟踪算法不能够较好地适应复杂场景的挑战，目标会经历复杂的外观变化，如背景杂波，光照变化和变形等影响而引起跟踪框发生漂移，进而导致跟踪失败；另一方面，在跟踪过程中当目标遇到复杂场景变化后，在此期间将会产生一些错误的跟踪信息，这些信息将会被引入至模型更新过程中，在模型更新时将会被传递至下一帧中，长期积累将会引起模型质量变差，最终导致跟踪失败。因此，如何提供一种结合时空正则化约束的视觉跟踪定位方法，实现提升视觉跟踪的准确性以及有效性，成为一个亟待解决的问题。
技术实现思路
本专利技术要解决的技术问题，在于提供一种结合时空正则化约束的视觉跟踪定位方法，实现提升视觉跟踪的准确性以及有效性。本专利技术是这样实现的：一种结合时空正则化约束的视觉跟踪定位方法，包括如下步骤：步骤S10、对参数进行初始化；步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；步骤S30、将所述目标函数矩阵化；步骤S40、将矩阵化的所述目标函数转为频域函数；步骤S50、将所述频域函数最小化以求取最优解；步骤S60、利用所述最优解更新拉格朗日参数；步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。进一步地，所述步骤S10具体为：对目标边界区域、滤波器正则化权重、空间相关算子*以及响应阈值y进行初始化，并采用M×N的网格单元表示目标的大小，且与跟踪框的大小成比例；其中M与N均为正整数。进一步地，所述步骤S20中，所述目标函数具体为：其中表示脊回归项，具有D特征通道的矢量化样本x乘以训练样本X＝[x1,x2,...,xD],X∈RN(d＝1,2,...,D)与相关滤波器X∈RN，M＜＜N；其中表示y期望响应，*表示空间相关算子；其中表示时空正则化模块，即时空正则化权重矩阵w和相关滤波器ht进行点向乘法运算操作，⊙表示Hadamard乘积，λ1、λ2和γ表示正则化权重因子，ht和ht-1分别表示在t-th和(t-1)-th帧中使用的CFs；其中表示约束模块；P∈RM×N是一个二元裁剪矩阵，它产生信号xd中的D元素；表示响应映射的移位操作。进一步地，所述步骤S30具体为：将所述目标函数转换为矩阵形式：进一步地，所述步骤S40具体为：通过最小化损失函数将矩阵化的所述目标函数转为频域函数：其中表示辅助变量；∧表示给对应参数执行离散傅里叶变换；F是正交T×T,用于将任何T维矢量信号映射到傅里叶域的复基向量矩阵；表示(k-1)帧中移位信号的离散傅里叶变换；ID表示一个D×D恒等矩阵；表示Kronecker乘积。进一步地，所述步骤S50具体包括：步骤S51、将所述频域函转为增广拉格朗日方程：其中μ表示惩罚因子；表示傅里叶域中的拉格朗日向量，作为DT×1的辅助变量；步骤S52、应用ADMM技术交替求取最优解h*t和步骤S53、将分解为M个子问题：其中步骤S54、求各的解：通过谢尔曼-莫里森公式提升计算效率：令则将的公式改写为：其中进一步地，所述步骤S60具体为：利用所述最优解更新拉格朗日参数：其中和表示两个子问题在(i+1)-th迭代中的解，进一步地，所述步骤S70中，所述基于更新的所述拉格朗日参数更新跟踪框的目标函数具体为：其中m和m-1分别表示mth和(m-1)th的目标函数，η表示在线学习因子。本专利技术的优点在于：通过利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数，并将所述目标函数矩阵化后转为频域函数，进而最小化以求取最优解，并利用所述最优解更新拉格朗日参数，进而更新跟踪框的目标函数，可以更好的解决边界效应，提高对复杂外观变化的适应性，获得对外不断变化的鲁棒性，极大的提升了视觉跟踪的准确性以及有效性。附图说明下面参照附图结合实施例对本专利技术作进一步的说明。图1是本专利技术一种结合时空正则化约束的视觉跟踪定位方法的流程图。具体实施方式请参照图1所示，本专利技术一种结合时空正则化约束的视觉跟踪定位方法的较佳实施例，包括如下步骤：步骤S10、对参数进行初始化；步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；步骤S30、将所述目标函数矩阵化；步骤S40、将矩阵化的所述目标函数转为频域函数；步骤S50、将所述频域函数最小化以求取最优解；步骤S60、利用所述最优解更新拉格朗日参数；步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。所述步骤S10具体为：对目标边界区域、滤波器正则化权重、空间相关算子*以及响应阈值y进行初始化，并采用M×N的网格单元表示目标的大小，且与跟踪框的大小成比例；其中M与N均为正整数。所述步骤S20中，所述目标函数具体为：其中表示脊回归项，具有D特征通道的矢量化样本x乘以训练样本X＝[x1,x2,...,xD],X∈RN(d＝1,2,...,D)与相关滤波器X∈RN，M＜＜N；其中表示y期望响应，*表示空间相关算子；其中表示时空正则化模块，即时空正则化权重矩阵w和相关滤波器ht进行点向乘法运算操作，⊙表示Hadamard乘积，λ1、λ2和γ表示正则化权重因子，ht和ht-1分别表示在t-th和(t-1)-th帧中使用的CFs；其中表示约束模块；P∈RM×N是一个二元裁剪矩阵，它产生信号xd中的D元素；表示响应映射的移位操作。所述步骤S30具体为：将所述目标函数转换为矩阵形式：所述步骤S40具体为：通过最小化损失函数将矩阵化的所述目标函数转为频域函数：其中表示辅助变量；∧表示给对应参数执行离散傅里叶变换，例如F是正交T×T,用于将任何T维矢量信号映射到傅里叶域的复基向量矩阵；表示(k-1)帧中移位信号的离散傅里叶变换；ID表示一个D×D恒等矩阵；表示Kronecker乘积。所述步骤S50具体包括：...

【技术保护点】
1.一种结合时空正则化约束的视觉跟踪定位方法，其特征在于：包括如下步骤：/n步骤S10、对参数进行初始化；/n步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；/n步骤S30、将所述目标函数矩阵化；/n步骤S40、将矩阵化的所述目标函数转为频域函数；/n步骤S50、将所述频域函数最小化以求取最优解；/n步骤S60、利用所述最优解更新拉格朗日参数；/n步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。/n

【技术特征摘要】
1.一种结合时空正则化约束的视觉跟踪定位方法，其特征在于：包括如下步骤：
步骤S10、对参数进行初始化；
步骤S20、基于初始化的所述参数，利用脊回归项、时空正则化模块以及约束模块建立跟踪框的目标函数；
步骤S30、将所述目标函数矩阵化；
步骤S40、将矩阵化的所述目标函数转为频域函数；
步骤S50、将所述频域函数最小化以求取最优解；
步骤S60、利用所述最优解更新拉格朗日参数；
步骤S70、基于更新的所述拉格朗日参数更新跟踪框的目标函数进行视觉跟踪。


2.如权利要求1所述的一种结合时空正则化约束的视觉跟踪定位方法，其特征在于：所述步骤S10具体为：
对目标边界区域、滤波器正则化权重、空间相关算子*以及响应阈值y进行初始化，并采用M×N的网格单元表示目标的大小，且与跟踪框的大小成比例；其中M与N均为正整数。


3.如权利要求1所述的一种结合时空正则化约束的视觉跟踪定位方法，其特征在于：所述步骤S20中，所述目标函数具体为：



其中表示脊回归项，具有D特征通道的矢量化样本x乘以训练样本X＝[x1,x2,...,xD],X∈RN(d＝1,2,...,D)与相关滤波器X∈RN，M＜＜N；其中表示y期望响应，*表示空间相关算子；
其中表示时空正则化模块，即时空正则化权重矩阵w和相关滤波器ht进行点向乘法运算操作，⊙表示Hadamard乘积，λ1、λ2和γ表示正则化权重因子，ht和ht-1分别表示在t-th和(t-1)-th帧中使用的CFs；
其中表示约束模块；P∈RM×N是一个二元裁剪矩阵，它产生信号xd中的D元素；表示响应映射的移位操作。


4.如权利要求1所述的一种结合时空正则化约束的视觉跟踪定位方法，其特征在于：所述步骤S30具体为：
将所述目标函数转换为矩阵形式：
<...

【专利技术属性】
技术研发人员：柳培忠，柳垚，庄加福，陈智，杜永兆，邓建华，
申请(专利权)人：华侨大学，泉州市中仿宏业信息科技有限公司，
类型：发明
国别省市：福建;35