基于相关滤波和粒子滤波的长时间目标跟踪方法及系统技术方案

本发明专利技术涉及一种目标跟踪技术领域，是一种基于相关滤波和粒子滤波的长时间目标跟踪方法及系统，前者包括获取图像序列中的第T帧图像；提取HOG和CN融合特征；融合特征输入至相关滤波器模型中，确定目标位置；判断该图像中目标跟踪是否准确，响应于是则更新相关滤波器模型，响应于否则启动目标重新检测器重新确定该图像中的目标位置。本发明专利技术利用平均峰值相关能量指标、最大响应值双指标共同调整相关滤波器模型的更新策略；在目标跟踪不准确时采用粒子滤波器重新检测确定目标位置，提升了在复杂环境跟踪目标的鲁棒性和长时间跟踪的性能，并且具有一定的抗遮挡、形变能力；在目标丢失后，可以重新获取目标位置信息，具有长时跟踪性质。

【技术实现步骤摘要】
基于相关滤波和粒子滤波的长时间目标跟踪方法及系统
本专利技术涉及一种目标跟踪
，是一种基于相关滤波和粒子滤波的长时间目标跟踪方法及系统。
技术介绍
随着计算机硬件和软件快速发展,目标跟踪作为计算机领域的重要部分之一,其目的是让机器代替人的眼睛去感知外界信息。该领域已经较成熟的应用在智能视频监控、视觉导航、无人驾驶、人机交互等实践中，在现实生活中产生了重大的社会效应。但是目标跟踪在实际场景中有许多的干扰因素是不可避免的，例如形状改变、光照变化、遮挡、尺度变化等，这些干扰因素使得目标不能稳定被跟踪。目前通过相关滤波跟踪算法解决目标跟踪中干扰因素对跟踪的影响，并且通过背景感知滤波器有效避免相关滤波中循环位移样本造成的边界效应，但是该过程只采用单一的HOG特征，不能有效的适应复杂场景，并且滤波器模型更新固定极易受到污染、当目标丢失后无法重新检测。
技术实现思路
本专利技术提供了一种基于相关滤波和粒子滤波的长时间目标跟踪方法及系统，克服了上述现有技术之不足，其能有效解决现有目标跟踪方法存在的滤波器模型固定，极易受到污染的问题。进一步解决现有目标跟踪方法存在的目标丢失后无法重新检测的问题。本专利技术的技术方案之一是通过以下措施来实现的：一种基于相关滤波和粒子滤波的长时间目标跟踪方法，包括：获取图像序列中的第T帧图像，其中T≥2；提取该图像的HOG和CN融合特征，并进行预处理；将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出该图像中搜索区域的响应图，确定目标位置，其中，相关滤波器模型使用训练样本训练得出，训练样本包括前一帧图像中的HOG特征和CN特征；根据响应图中的最大响应值Fmax和平均峰值相关能量APCE，判断该图像中目标跟踪是否准确，响应于是则更新相关滤波器模型，响应于否则启动目标重新检测器重新确定该图像中的目标位置；对T+1帧图像进行目标追踪，直至读取完图像序列的所有帧，结束目标跟踪。下面是对上述专利技术技术方案的进一步优化或/和改进：上述根据响应图中的最大响应值Fmax和平均峰值相关能量APCE，判断图像中目标跟踪是否准确，包括：设置阈值TF和TAPCE，判断最大响应值Fmax和平均峰值相关能量APCE是否满足条件Fmax＞TF且APCE＞TAPCE；响应于是，则根据该图像中的HOG特征和CN特征更新相关滤波器模型；响应于否，则判断最大响应值Fmax和平均峰值相关能量APCE是否满足条件Fmax＜TF且APCE＜TAPCE；响应于是，则启动目标重新检测器，响应于否，则不更新相关滤波器模型且不启动目标重新检测器重新确定该图像中的目标位置。上述目标重新检测器为粒子滤波器。上述提取图像的HOG和CN融合特征，并进行预处理，包括：获取图像中搜索区域的HOG特征和CN特征；将HOG特征和CN特征进行线性加权融合，获得HOG和CN融合特征；通过余弦窗对HOG和CN融合特征进行预处理。上述将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出图像中搜索区域的响应图，响应图中响应值最大的位置为目标位置。本专利技术的技术方案之二是通过以下措施来实现的：一种基于相关滤波和粒子滤波的长时间目标跟踪系统，包括：图像序列获取单元，获取图像序列中的第T帧图像，其中T≥2；融合特征获取单元，提取该图像的HOG和CN融合特征，并进行预处理；追踪目标确定单元，将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出该图像中搜索区域的响应图，确定目标位置，其中，相关滤波器模型使用训练样本训练得出，训练样本包括前一帧图像中的HOG特征和CN特征；跟踪目标判断单元，根据响应图中的最大响应值Fmax和平均峰值相关能量APCE，判断该图像中目标跟踪是否准确，响应于是则更新相关滤波器模型，响应于否则启动目标重新检测器重新确定该图像中的目标位置。下面是对上述专利技术技术方案的进一步优化或/和改进：上述追踪目标确定单元包括：相关滤波器模型建立及更新模块，建立相关滤波器模型及更新相关滤波器模型；目标确定模块，将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出图像中搜索区域的响应图，确定目标位置；目标重新确定模块，通过目标重新检测器确定目标位置。本专利技术的技术方案之三是通过以下措施来实现的：一种存储介质，存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于相关滤波和粒子滤波的长时间目标跟踪方法。本专利技术的技术方案之四是通过以下措施来实现的：一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现基于相关滤波和粒子滤波的长时间目标跟踪方法。本专利技术公开了一种相关滤波和粒子滤波协作的长时目标跟踪方法，利用基于背景感知的相关滤波算法确定每一帧图像的目标位置，利用平均峰值相关能量指标、最大响应值双指标共同调整相关滤波器模型的更新策略；在目标跟踪不准确时采用粒子滤波器重新检测确定目标位置。由此解决了现有滤波器易受污染，造成目标位置跟踪不准确的问题，提升了在复杂环境跟踪目标的鲁棒性和长时间跟踪的性能，并且具有一定的抗遮挡、形变能力；在目标丢失后，可以重新获取目标位置信息，具有长时跟踪性质。附图说明附图1为本专利技术实施例1的目标跟踪流程图。附图2为本专利技术的实施例2中判断图像中目标跟踪是否准确的流程图。附图3为本专利技术的实施例3中提取融合特征的流程图。附图4为本专利技术的实施例4和实施例5的系统结构框图。附图5为本专利技术的实施例8的一种精确度、成功率的曲线图。附图6为本专利技术的实施例8的另一种精确度、成功率的曲线图。附图7为本专利技术的实施例8的又一种精确度、成功率的曲线图。具体实施方式本专利技术不受下述实施例的限制，可根据本专利技术的技术方案与实际情况来确定具体的实施方式。下面结合实施例及附图对本专利技术作进一步描述：实施例1：如附图1所示，该基于相关滤波和粒子滤波的长时间目标跟踪方法，包括：S101，获取图像序列中的第T帧图像，其中T≥2；S102，提取该图像的HOG和CN融合特征，并进行预处理；S103，将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出该图像中搜索区域的响应图，确定目标位置，其中，相关滤波器模型使用训练样本训练得出，训练样本包括前一帧图像中的HOG特征和CN特征；S104，根据响应图中的最大响应值Fmax和平均峰值相关能量APCE，判断该图像中目标跟踪是否准确，响应于是则更新相关滤波器模型，响应于否则启动目标重新检测器重新确定该图像中的目标位置；S105，对T+1帧图像进行目标追踪，直至读取完图像序列的所有帧，结束目标跟踪。上述技术方案步骤S101中，由于图像序列中第1帧图像中的目标位置已经确定，故T≥本文档来自技高网...

【技术保护点】
1.一种基于相关滤波和粒子滤波的长时间目标跟踪方法，其特征在于，包括：/n获取图像序列中的第T帧图像，其中T≥2；/n提取该图像的HOG和CN融合特征，并进行预处理；/n将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出该图像中搜索区域的响应图，确定目标位置，其中，相关滤波器模型使用训练样本训练得出，训练样本包括前一帧图像中的HOG特征和CN特征；/n根据响应图中的最大响应值F

【技术特征摘要】
1.一种基于相关滤波和粒子滤波的长时间目标跟踪方法，其特征在于，包括：
获取图像序列中的第T帧图像，其中T≥2；
提取该图像的HOG和CN融合特征，并进行预处理；
将预处理后的HOG和CN融合特征输入至相关滤波器模型中，输出该图像中搜索区域的响应图，确定目标位置，其中，相关滤波器模型使用训练样本训练得出，训练样本包括前一帧图像中的HOG特征和CN特征；
根据响应图中的最大响应值Fmax和平均峰值相关能量APCE，判断该图像中目标跟踪是否准确，响应于是则更新相关滤波器模型，响应于否则启动目标重新检测器重新确定该图像中的目标位置；
对T+1帧图像进行目标追踪，直至读取完图像序列的所有帧，结束目标跟踪。


2.根据权利要求1所述的基于相关滤波和粒子滤波的长时间目标跟踪方法，其特征在于，所述根据响应图中的最大响应值Fmax和平均峰值相关能量APCE，判断图像中目标跟踪是否准确，包括：
设置阈值TF和TAPCE，判断最大响应值Fmax和平均峰值相关能量APCE是否满足条件Fmax＞TF且APCE＞TAPCE；
响应于是，则根据该图像中的HOG特征和CN特征更新相关滤波器模型；
响应于否，则判断最大响应值Fmax和平均峰值相关能量APCE是否满足条件Fmax＜TF且APCE＜TAPCE；
响应于是，则启动目标重新检测器，响应于否，则不更新相关滤波器模型且不启动目标重新检测器重新确定该图像中的目标位置。


3.根据权利要求2所述的基于相关滤波和粒子滤波的长时间目标跟踪方法，其特征在于，所述目标重新检测器为粒子滤波器。


4.根据权利要求1或2或3所述的基于相关滤波和粒子滤波的长时间目标跟踪方法，其特征在于，所述提取图像的HOG和CN融合特征，并进行预处理，包括：
获取图像中搜索区域的HOG特征和CN特征；
将HOG特征和CN特征进行线性加权融合，获得HOG和CN融合特征；
通过余弦窗对HOG和CN融合特征进行预处理。


5.根据权利要求1或2或3所述的基于相关滤波和粒子滤波...

【专利技术属性】
技术研发人员：吕凯，袁亮，
申请(专利权)人：新疆大学，
类型：发明
国别省市：新疆;65