【技术实现步骤摘要】
基于多特征融合与自适应学习率更新的抗遮挡跟踪方法
本专利技术属于计算机视觉
,更为具体地讲,涉及一种基于多特征融合与自适应学习率更新的抗遮挡跟踪方法。
技术介绍
目标跟踪算法通常可以分为判别式方法和生成式方法。生成式方法的主要思想是在当前帧对目标区域建模,下一帧寻找与模型最相似的区域就是预测位置,比较著名的有卡尔曼滤波,粒子滤波,mean-shift等。判别式方法的主要思想是通过分类器将搜索区域内的不同子区进行置信度打分,通过对响应强度层的分析来判别目标的位置。随着机器学习算法的成熟,判别式方法在目标跟踪领域越来越普遍。相关滤波类跟踪算法作为一类典型的判别式跟踪方法,针对此方面的研究目前已经取得了不错的成就,典型代表为KCF跟踪方法。但KCF跟踪方法在实际应用时仍然有一些缺陷致使其无法适应复杂环境,完成对目标的持续跟踪。比如只采用单一特征(如HOG特征等),由于单一特征所提取的外观模型往往不具有很好的区分性,当目标发生较大形变或出现遮挡时不能很好地表征目标外观模型,容易导致跟踪漂移;无论跟踪结果是否准确,都会对检测器进行更新,从而出现在目标发生遮挡或跟踪发生漂移时,检测器被错误信息干扰,导致跟踪失败;同一运动目标在不同(方位、距离等)视角下,其尺度也有很大差异,不能满足自适应尺度变化的要求。因此,需要对针对上述问题进行相应处理,才能应用于复杂环境中从而达到较好的跟踪效果。相关的专利如申请号CN201710216523.3的专利技术专利公开了一种基于FHOG和颜色特征的目标跟踪方法及GPU加速,通 ...
【技术保护点】
1.一种基于多特征融合与自适应学习率更新的抗遮挡跟踪方法,其特征在于,包括以下步骤:/n(1)、目标框自适应分块/n采集被检测区域的视频,并截取连续的L帧图像,然后读取第一帧图像;/n在第一帧图像中,随机选取一目标,将目标所在区域作为初始目标框,然后按照预设分块数目进行自适应分块,得到多个目标块;/n(2)、提取提取各目标块的融合特征/n(2.1)、设置用于提取LAB空间颜色特征的κ个质心;/n(2.2)、将各目标块划分为M×N个4×4大小的元胞,记为元胞矩阵;/n(2.3)、提取各目标块的FHOG特征与LAB空间颜色特征,再将FHOG特征与LAB空间颜色特征进行串联,得到各目标块(31+n)维的融合特征,记为
【技术特征摘要】
1.一种基于多特征融合与自适应学习率更新的抗遮挡跟踪方法,其特征在于,包括以下步骤:
(1)、目标框自适应分块
采集被检测区域的视频,并截取连续的L帧图像,然后读取第一帧图像;
在第一帧图像中,随机选取一目标,将目标所在区域作为初始目标框,然后按照预设分块数目进行自适应分块,得到多个目标块;
(2)、提取提取各目标块的融合特征
(2.1)、设置用于提取LAB空间颜色特征的κ个质心;
(2.2)、将各目标块划分为M×N个4×4大小的元胞,记为元胞矩阵;
(2.3)、提取各目标块的FHOG特征与LAB空间颜色特征,再将FHOG特征与LAB空间颜色特征进行串联,得到各目标块(31+n)维的融合特征,记为i表示目标块的编号;
(3)、求解各目标块的分类器f;
利用核空间的岭回归求解各目标块的分类器f,在求解过程中,回归系数α在对偶空间的解为:
其中,表示第一帧中第i个目标块的分类器权重系数,是核矩阵的第一行,为回归目标,λ为岭回归的正则项;
选用高斯核,其高斯核函数为:
其中,σ为高斯核函数的带宽,F-1表示表示傅里叶逆变换,表示第一帧中第i个目标块的融合特征的第k个通道分量,表示的傅里叶变换,表示的共轭,⊙表示对应位置元素相乘;
(4)、更新各目标块的融合特征模板与分类器权重系数
(5)、对后续帧中的目标块进行多尺度检测;
(5.1)、设置分类器的检测尺度:scale_step、1和1/scale_step;
(5.2)、分类器按照三个不同检测尺度对后续帧中的目标块进行多尺度检测;
(5.2.1)、读取当前帧图像,以上一帧跟踪目标的位置提取当前帧图像的目标块;
(5.2.2)、将当前帧图像的每个目标块按照步骤(2)所述方法提取三个不同检测尺度下的融合特征,其中,第i个目标块提取的融合特征记为代表当前帧编号,λ=1,2,3代表三个不同尺度;
(5.2.3)、将融合特征模板和融合特征输入至分类器,计算出每个目标块在三个检测尺度下的特征响应图
特征响应图的计算过程为:先计算其中,表示当前帧中第i个目标块在不同尺度下与的核相关傅里叶变换;再将进行傅里叶逆变换,得到M×N大小的特征响应图
(5.2.4)、提取各个特征响应图中最大响应值及对应位置;然后选出各个目标块在三个检测尺度下的最大响应值然后输出对应的尺度、特征响应图融合特征和位置
(6)、利用自适应加权算法计算当前帧中跟踪目标的最终位置;
(6.1)、计算当前帧中各目标块的权值系数
(6.2)、计算当前帧中跟踪目标的最终位置(xj,yj);
其中,(xj-1,yj-1)表示上一帧中跟踪目标的最终位置。
(7)、构建各个目标块的平均峰值相关能量集合;
(7.1)、为每一个目标块构建一个平均峰值相关能量集合...
【专利技术属性】
技术研发人员:蔡东升,黄琦,章文旭,李坚,胡维昊,井实,易建波,孙敏,张真源,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川;51
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。