一种基于多特征融合的相关滤波跟踪方法技术

本发明专利技术一种基于多特征融合的相关滤波跟踪方法，涉及一种计算机视觉技术方法，该方法在相关滤波跟踪框架下，将原始的RGB颜色空间映射到颜色属性空间，减少目标颜色在跟踪过程中受到环境变化影响，通过主成分分析（principal component analysis，PCA）方法的自适应降维，特征通道数量从10下降到2，通过平滑约束项增加跨越不同特征子空间时的代价。同时提取方向梯度直方图，并将特征图通过核相关滤波计算得到相关响应图。提出置信度指标（MP）自适应模板以解决跟踪目标被遮挡问题。该方法具有较高的识别精度，能够在光照变化，目标遮挡和变形等复杂环境下稳定的跟踪目标。

【技术实现步骤摘要】
一种基于多特征融合的相关滤波跟踪方法
本专利技术涉及计算机视觉领域，具体地说是一种图像处理目标跟踪的方法。
技术介绍
计算机视觉领域中的目标跟踪一直以来是研究热点，被广泛应用于各个领域，如智能导航、人机交互、智能监控等。基于多特征融合的跟踪算法更是变成了近年来研究热点，在面对目标扭曲、旋转、光照变化、目标运动过快、背景相似度高等方面相比传统方法有着更好的跟踪精度和鲁棒性。近几年，基于相关滤波(CorrelationFilters,CF)的跟踪方法已经广泛应用于目标跟踪领域，并且取得显著的效果。Bolmed等人提出了最小均方误差滤波器（MinimunOutputSumofSquareError，MOSSE）用于目标跟踪，该算法大幅提高了跟踪运行的速度，跟踪速度可达669FPS；Henriques等提出在相关滤波基础上引进核函数，巧妙运用循环矩阵产生目标样本，并在算法中使用方向梯度直方图（HOG）特征，取得了不错成绩；Danelljan等提出了基于颜色空间（ColorName，CN）的跟踪算法，通过将原始RGB颜色映射到11维的CN空间中，在彩色视频的跟踪中取得良好效果；Galoogahi等人为了减小边界效应的影响，提出了采用较大尺寸检测图像模块和小尺寸滤波器的BACF算法，同时使用交替方向乘子法（ADMM）进行优化求最优解。
技术实现思路
本专利技术的目的在于提供一种基于多特征融合的相关滤波跟踪方法，该方法能够提高目标跟踪算法的鲁棒性，有效解决目标遮挡等问题导致的滤波器模板污染问题。本专利技术为实现上述目的所采用的技术方案是：一种基于多特征融合的相关滤波跟踪方法，所述方法包括以下步骤：步骤1：提取预测目标图像HOG特征，提取预测目标图像CN特征，将HOG特征与CN特征相融合；步骤2：根据目标定位响应图，计算目标跟踪置信度指标值；步骤3：根据目标跟踪置信度阈值，自适应更新相关滤波器模板；步骤4：根据目标跟踪置信度指标值，更新目标跟踪置信度阈值；步骤5：重复步骤1～步骤4；完成目标跟踪。所述的一种基于多特征融合的相关滤波跟踪方法，所述步骤1具体包括以下步骤：步骤1.1：提取对应目标图像块Cell大小为8的17维HOG特征；步骤1.2：提取目标图像块提取11维CN特征，并且使用PCA降维把11维特征降维到2维，将提取的HOG特征与CN特征按通道融合为19维目标特征。所述的一种基于多特征融合的相关滤波跟踪方法，所述步骤2具体包括以下步骤：步骤2.1：通过滤波器最小化岭回归问题，优化目标为：；步骤2.2：构造一个辅助变量转到傅里叶域：步骤2.3：利用增广拉格朗日乘子法（ALM）将约束项放到优化函数里对h和g分别进行优化求解子问题，对h求偏导；子问题其中步骤2.4：求取目标响应图，定位响应图最大值为目标位置；步骤2.5：根据目标跟踪定位响应图，求取目标跟踪置信度指标，和分别为目标响应的最大值和最小值；是宽（w）高（h）位置上的目标响应值。所述的一种基于多特征融合的相关滤波跟踪方法，所述步骤3具体包括以下步骤：判断目标跟踪置信度指标值MP是否满足置信度阈值条件，如果大于置信度阈值则对滤波器模板更新，式中：为模板学习速率；是和跟踪视频序列中目标模板。所述的一种基于多特征融合的相关滤波跟踪方法，所述步骤4具体包括以下步骤：根据目标跟踪置信度指标值MP，更新目标跟踪置信度阈值，是阈值更新率，为更新前的目标跟踪置信度阈值，在目标图像首帧训练滤波器模板，为0。本专利技术具有以下有益效果及优点：1.本专利技术采用自适应颜色特征和方向梯度直方图具有一定互补性的2个特征融合后对目标进行跟踪，在采集颜色特征时使用PCA降维方式，从10通道减少到2通道，提高了运算效率。2.本专利技术的重点在于加强相关滤波目标跟踪的鲁棒性和精度，提高相关滤波目标跟踪处理目标遮挡能力，避免目标跟踪中的模型污染问题，同时可以保证跟踪的实时性。附图说明图1是本专利技术方法流程图；图2是目标跟踪不同时刻置信度指标值。具体实施方式为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图对本专利技术的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但本专利技术能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施的限制。除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。如图1所示，本专利技术提供了一种基于多特征融合的相关滤波跟踪方法，包括如下步骤：步骤1：提取预测目标图像HOG特征，提取预测目标图像CN特征，将HOG特征与CN特征相融合；提取对应目标图像块Cell大小为8的17维HOG特征，HOG特征利用图像局部地区的梯度信息构建图像特征，有效地描述目标区域的形状、轮廓等信息，保持了几何和光学转化的不变性，但是对于快速形变的物体，跟踪效果并不好。提取目标图像块提取11维CN特征，并且使用PCA降维把11维特征降维到2维，将提取的HOG特征与CN特征按通道融合为19维目标特征；CN特征的跟踪器对很多复杂的视频序列都有很好的跟踪结果，比如：光照变化，遮挡，非刚性形变，运动模糊，平面内旋转，出平面旋转和背景杂乱。本文算法提取颜色特征（CN），通过主成分分析（principalcomponentanalysis，PCA）方法的自适应降维，特征通道数量从10下降到2，通过平滑约束项增加跨越不同特征子空间时的代价，具体方法是PCA中的协方差矩阵线性更新防止降维矩阵变化过大。步骤2：根据目标定位响应图，计算目标跟踪置信度指标值；通过滤波器最小化岭回归问题，优化目标为：；构造一个辅助变量转到傅里叶域：利用增广拉格朗日乘子法（ALM）将约束项放到优化函数里对h和g分别进行优化求解子问题，对h求偏导。子问题，由于离散傅里叶变换后的每个像素值相互独立，所以对每个值分别求解可以大大降低求解g的速度，就将问题分解为T个子问题，t=1,2,...,T。根据Sherman-Morrison公式可解得：其中求取目标响应图，定位响应图最大值为目标位置。根据目标跟踪定位响应图，求取目标跟踪置信度指标，和分别为目标响应的最大值和最小值；是宽（w）高（h）位置上的目标响应值。通过图2中可以看出目标在被遮挡与未被遮挡目标响应的最大值Fmax相对波动较小，相差值不明显，模板更新阈值很难选取。使用MP指标时目标在被遮挡时MP值波动明显，有益本文档来自技高网...

【技术保护点】
1.一种基于多特征融合的相关滤波跟踪方法，其特征在于，所述方法包括以下步骤：/n步骤1：提取预测目标图像HOG特征，提取预测目标图像CN特征，将HOG特征与CN特征相融合；/n步骤2：根据目标定位响应图，计算目标跟踪置信度指标值；/n步骤3：根据目标跟踪置信度阈值，自适应更新相关滤波器模板；/n步骤4：根据目标跟踪置信度指标值，更新目标跟踪置信度阈值；/n步骤5：重复步骤1～步骤4；/n完成目标跟踪。/n

【技术特征摘要】
1.一种基于多特征融合的相关滤波跟踪方法，其特征在于，所述方法包括以下步骤：
步骤1：提取预测目标图像HOG特征，提取预测目标图像CN特征，将HOG特征与CN特征相融合；
步骤2：根据目标定位响应图，计算目标跟踪置信度指标值；
步骤3：根据目标跟踪置信度阈值，自适应更新相关滤波器模板；
步骤4：根据目标跟踪置信度指标值，更新目标跟踪置信度阈值；
步骤5：重复步骤1～步骤4；
完成目标跟踪。


2.根据权利要求1所述的一种基于多特征融合的相关滤波跟踪方法，其特征在于，所述步骤1具体包括以下步骤：
步骤1.1：提取对应目标图像块Cell大小为8的17维HOG特征；
步骤1.2：提取目标图像块提取11维CN特征，并且使用PCA降维把11维特征降维到2维，将提取的HOG特征与CN特征按通道融合为19维目标特征。


3.根据权利要求1所述的一种基于多特征融合的相关滤波跟踪方法，其特征在于，所述步骤2具体包括以下步骤：
步骤2.1：通过滤波器最小化岭回归问题，优化目标为：

；
步骤2.2：构造一个辅助变量...

【专利技术属性】
技术研发人员：王国刚，岳阳，
申请(专利权)人：沈阳化工大学，
类型：发明
国别省市：辽宁;21