一种基于相关滤波的鲁棒性长时跟踪方法技术

本发明专利技术公开了一种基于相关滤波的鲁棒性长时跟踪方法，包括利用初始帧图像初始化滤波器；对于后续帧图像，提取当前帧图像搜索区域的特征图，与上一帧图像训练得到的滤波器进行互相关匹配，得到响应图；判断响应图对应跟踪结果的可靠等级，若跟踪结果不可靠，则重新检测目标，否则以响应图中峰值位置作为目标中心位置，并更新滤波器：当跟踪结果为一般可靠，以当前帧搜索区域的显著性图作为目标函数中自适应空间正则项的权重对滤波器进行训练；当跟踪结果为可靠，采用传统的负高斯型空间正则项权重对滤波器进行训练。本发明专利技术在目标跟踪失败时进行重检，在跟踪过程中，自适应调整目标函数中空间正则项的权重，增强了复杂场景下目标跟踪的鲁棒性。

【技术实现步骤摘要】
一种基于相关滤波的鲁棒性长时跟踪方法
本专利技术涉及基于计算机视觉的目标跟踪领域，尤其是一种基于相关滤波的鲁棒性长时跟踪方法。
技术介绍
目标跟踪作为计算机视觉领域内的一个基础问题，逐渐成为目前的研究热点。目标跟踪在实时计算机视觉中扮演着重要角色，例如智能监视系统，智能交通控制，无人机监控，自动驾驶和人机交互等。由于目标跟踪的智能性和重要性而受到了广泛关注。传统意义上目标跟踪定义为，在视频序列第一帧给定目标框的位置，包括目标的中心位置以及大小，在接下来的视频序列中自动给出该目标的位置框。目标跟踪方法由于观测模型的不同一般分为两种类型，它们分别是生成式方法和判别式方法。生成式方法采用生成式观测模型，其通常寻找与目标模板最相似的候选框作为跟踪结果，这一过程可视为模板匹配的过程，其代表性方法有字典学习和稀疏编码等。判别式方法则采用判别式观测模型，训练分类器来区分目标与背景，代表性方法有相关滤波。在本专利技术中，选用了近年来成为目标跟踪主流方法的相关滤波方法。相关滤波目标跟踪过程，即通过每一帧的视频序列图像学习得到滤波器，在本帧图像中对搜索区域本文档来自技高网...

【技术保护点】
1.一种基于相关滤波的鲁棒性长时跟踪方法，其特征在于，包括：/n根据初始帧图像中目标中心位置及目标框尺寸初始化滤波器；/n对于后续帧图像，均执行以下操作：/n读取当前帧图像，提取当前帧图像搜索区域多尺度的特征图，将提取的特征图与上一帧图像训练得到的滤波器进行互相关匹配，得到响应图；/n根据设计的可靠性评价方法判断所述响应图对应跟踪结果的可靠等级，若判断跟踪结果不可靠，则重新检测目标；若判断跟踪结果可靠，则以响应图中的峰值位置作为目标中心位置，并选取其对应的尺度作为目标框尺寸；/n根据跟踪结果的可靠等级在目标函数中选取不同的空间正则项权重更新滤波器。/n

【技术特征摘要】
1.一种基于相关滤波的鲁棒性长时跟踪方法，其特征在于，包括：
根据初始帧图像中目标中心位置及目标框尺寸初始化滤波器；
对于后续帧图像，均执行以下操作：
读取当前帧图像，提取当前帧图像搜索区域多尺度的特征图，将提取的特征图与上一帧图像训练得到的滤波器进行互相关匹配，得到响应图；
根据设计的可靠性评价方法判断所述响应图对应跟踪结果的可靠等级，若判断跟踪结果不可靠，则重新检测目标；若判断跟踪结果可靠，则以响应图中的峰值位置作为目标中心位置，并选取其对应的尺度作为目标框尺寸；
根据跟踪结果的可靠等级在目标函数中选取不同的空间正则项权重更新滤波器。


2.如权利要求1所述的基于相关滤波的鲁棒性长时跟踪方法，其特征在于，所述可靠性评价方法基于响应图的峰值旁瓣比PSR对跟踪结果的可靠等级进行判定。


3.如权利要求2所述的基于相关滤波的鲁棒性长时跟踪方法，其特征在于，所述可靠性评价方法，包括：计算响应图的峰值旁瓣比PSR，以历史各帧图像的响应图的峰值旁瓣比PSR的平均值为基准，若当前帧图像的PSR与历史平均值的比值低于第一阈值，则判定跟踪结果不可靠，若当前帧图像的PSR与历史平均值的比值高于第二阈值，则判定跟踪结果可靠，若当前帧图像的PSR与历史平均值的比值位于第一阈值和第二阈值之间，则判定跟踪结果一般可靠。


4.如权利要求1所述的基于相关滤波的鲁棒性长时跟踪方法，其特征在于，所述重新检测目标，方法包括：利用当前帧图像之前的若干帧图像的跟踪结果对目标的运动状态进行预测，确定目标最可能出现的区域，根...

【专利技术属性】
技术研发人员：许廷发，吴凡，吴零越，张语珊，郭倩玉，
申请(专利权)人：北京理工大学重庆创新中心，北京理工大学，
类型：发明
国别省市：重庆;50