基于两种互补跟踪算法的自适应目标跟踪方法技术

本文提出了一种基于两种互补跟踪算法的自适应目标跟踪方法。首先，以拉普拉斯滤波模块锐化图像做图像预处理，加强图像边缘信息，获取更好的方向梯度直方图特征。然后，针对核相关滤波用于目标遮挡、快速运动变形、“渐变”目标等情况的目标跟踪时很容易发生模型漂移，后续也难以再跟踪到目标，提出利用两种互补的跟踪算法的预测框面积的交并比自适应控制位置滤波器的更新。通过在标准测试集上与其他算法的对比实验，说明了本发明专利技术具有良好的跟踪准确性。

【技术实现步骤摘要】
基于两种互补跟踪算法的自适应目标跟踪方法
本专利技术涉及机器视觉当中的视频序列跟踪问题，尤其是涉及一种基于两种互补跟踪算法的自适应目标跟踪方法。
技术介绍
视频目标跟踪是机器视觉中的一个重要问题，广泛应用于机器人、智能控制和自动化等领域。视频目标跟踪的实质可以理解为：在第一幅图像里获取目标的基础信息后，如何能够在以后的图像帧当中精确地找到目标位置。人类跟踪目标是通过眼睛获取目标信息，经过大脑处理，找到目标的一些固定特征，继而当目标运动时，能够根据这些固定特征跟踪上目标。但是在计算机利用摄像头跟踪时，会遇到一些问题，首先是计算机该通过图像获取哪些特征，且获取的这些特征最好是当目标运动时改变也比较小，这样有利于计算机在后续图像提取特征之后进行比较；接下来就是提取特征的时计算量不能太大，否则就达不到实时的要求。因此目标跟踪领域最重要的就是能实时获取良好的特征，比如方向梯度直方图特征，颜色特征等。以获取特征为出发点，目标跟踪方法有两大类：只关注目标信息的生成式跟踪方法和同时考虑背景与目标的判别式跟踪方法。判别式跟踪方法生成的跟踪模板可以获得更多的特征，本文档来自技高网...

【技术保护点】
1.基于两种互补跟踪算法的自适应目标跟踪方法，其特征在于包括以下步骤：/n(1)图像预处理，提取改进的HOG特征，训练HOG相关滤波器，再利用滤波器进行位置预测记为P

【技术特征摘要】
1.基于两种互补跟踪算法的自适应目标跟踪方法，其特征在于包括以下步骤：
(1)图像预处理，提取改进的HOG特征，训练HOG相关滤波器，再利用滤波器进行位置预测记为PHOG，并记录此时的响应峰值旁瓣比(PSR)；
(2)提取颜色特征，训练颜色相关滤波器，再利用滤波器进行位置预测记为PColor，并记录此时的响应峰值旁瓣比(PSR)；
(3)根据(1)和(2)中的两个位置滤波器的PSR来自适应控制位置滤波器的更新；
(4)根据(1)中预处理的图像和(3)中更新的位置，提取多尺度图像块训练尺度滤波器并更新；
(5)将(4)中得到的结果矩阵储存起来，方便之后做精确度和成功率的分析。


2.根据权利要求1所述的方法，其特征在于步骤(1)和(4)中使用的图像是经过预处理的，其处理方法是利用拉普拉斯模块进行锐化。


3.根据权利要求1所述的方法，其特征在于步骤(3)中使用两个位置滤波器的PSR来自适应控制位置滤波器的更新，其更新方法如下：
本发明分别以基于HOG特征和颜色特征的滤波器预测框的交并比来确定模型更新系数，两个跟踪器的跟踪结果通过相关滤波的峰值来判定，具体有三种情况：
(1)两个跟踪器均能...

【专利技术属性】
技术研发人员：王正勇，肖少明，卿粼波，何小海，吴小强，吴晓红，滕奇志，
申请(专利权)人：四川大学，
类型：发明
国别省市：四川;51