一种遥感卫星视频目标跟踪方法技术

本发明专利技术涉及一种遥感卫星视频目标跟踪方法，该方法包括：将当前帧输入跟踪算法，将当前帧跟踪的搜索区域裁剪出来，采用特征提取算法对当前帧的搜索区域进行特征提取，获取当前帧的搜索区域特征图F

【技术实现步骤摘要】
一种遥感卫星视频目标跟踪方法


[0001]本专利技术涉及视频目标跟踪方法，具体涉及一种遥感卫星视频目标跟踪方法。

技术介绍

[0002]在卫星视频中对目标进行跟踪时，涉及到模板的更新问题。对于该问题的解决方法可以分为两类：1.不更新，一直用第一帧作为模板；2.用跟踪的结果作为更新的模板。
[0003]Matthews L等人在文献“The Template Update Problem”in IEEE Transactions on Pattern Analysis and Machine Intelligence，vol.26，no.6，2004，810
‑
815.中提到：用第一帧作为模板，虽然第一帧是正确的样本，但是在卫星视频中，遮挡物、周围环境的光照变化等都会影响目标的外观，进而使目标发生形状、尺度的变化，因此只将第一帧作为模板不能适应变化的跟踪环境。
[0004]用跟踪结果作为更新的模板，可以在一定程度上适应动态变化的目标和环境。Kenan Dai等人在文献“Visual Tracking via Adaptive Spatially
‑
Regularized Correlation Filters”in Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR),2019,4670
‑
4679.中用跟踪的结果作为更新的模板。但是如果跟踪结果有偏差甚至错误，那么这个错误就会影响下一帧的跟踪，导致下一帧的跟踪也是错误的。这种模板更新方法，跟踪的错误会累积，如果跟踪的结果不是非常准确，之后的跟踪错误会越来越大，因此，用跟踪结果作为更新模板的方法，一旦跟踪结果中引入错误偏差，会造成不可逆的跟踪失败问题。

技术实现思路

[0005]本专利技术的目的在于解决用第一帧做模板不能适应变化的跟踪环境，而用跟踪结果做模板会导致在跟踪过程中，引入的错误偏差在后续帧的跟踪中越来越大的问题，提出一种遥感卫星视频目标跟踪方法。
[0006]本专利技术的技术方案为：
[0007]本专利技术提供一种遥感卫星视频目标跟踪方法，包括以下步骤：
[0008]步骤1、将遥感卫星视频第一帧输入跟踪算法，对第一帧进行数据预处理，即把第一帧目标区域裁剪出来，采用特征提取算法对第一帧中目标区域进行特征提取，获取第一帧目标特征图A1；
[0009]在遥感卫星视频跟踪时，第一帧是能完全确定跟踪目标的，因此对第一帧处理时可以直接对目标区域剪裁；
[0010]步骤2、将获取的第一帧目标特征图A1作为模板进行模型训练，得到第一帧的跟踪模型M1；
[0011]步骤3、将遥感卫星视频第二帧输入所述跟踪算法，参照第一帧中的目标位置，把第二帧目标搜索区域裁剪出来，采用所述特征提取算法对第二帧目标搜索区域进行特征提取，获取第二帧的搜索区域特征图F2；
[0012]步骤4、对第二帧搜索区域特征图F2和跟踪模型M1进行相似度计算，得到相似度的响应图，在响应图中选择出相似度最大的位置，所述相似度最大的位置为跟踪目标的位置；
[0013]步骤5、采用所述特征提取算法对步骤4中第二帧跟踪到的目标位置进行特征提取，得到第二帧目标特征图A2，根据公式A＝αA1+βA
C
+(1
‑
α
‑
β)A
h
得到当前帧更新模板A，其中，A
C
为当前帧的目标特征图，A
h
为前一帧更新模板，公式中α和β为权重；
[0014]步骤6、用步骤5所得更新模板A进行模型训练，得到跟踪模型M2；
[0015]步骤7、获取遥感卫星视频的下一帧，并将下一帧作为当前帧；
[0016]将当前帧输入所述跟踪算法，参照前一帧跟踪到的目标位置，把当前帧的目标搜索区域裁剪出来；采用所述特征提取算法对当前帧的目标搜索区域进行特征提取，获取当前帧的搜索区域特征图F
C
；
[0017]步骤8、对步骤7搜索区域特征图F
C
和前一帧跟踪模型M
C
‑1进行相似度计算，得到相似度的响应图，在响应图中选择出相似度最大的位置，所述相似度最大的位置为跟踪目标的位置；
[0018]步骤9、判断是否跟踪结束；如果判断跟踪结束，则结束跟踪；如果判断跟踪未结束，则进入步骤10；
[0019]步骤10、采用所述特征提取算法，对步骤8当前帧跟踪到的目标位置进行特征提取，得到当前帧目标特征图A
C
；根据如下公式获得当前帧更新模板A，
[0020]A＝αA1+βA
C
+(1
‑
α
‑
β)A
h
[0021]其中，A
C
为当前帧目标特征图，A
h
为前一帧更新模板；公式中α和β为权重；
[0022]在遥感卫星视频跟踪时，第一帧是能完全确定跟踪目标的，前一帧更新模板中具有适应动态变化的目标信息，因此本专利技术在进行模板更新时，将第一帧目标特征图中的目标信息、当前帧目标特征图中的目标信息及前一帧更新模板中的目标信息进行整合，从而确保更新后模板中一定含有准确的目标信息，同时还包含最近更新的目标信息，使目标跟踪结果更加准确，精度更高；
[0023]步骤11、对当前帧更新模板A进行模型训练得当前帧跟踪模型M
C
；返回步骤7。
[0024]进一步地，所述特征提取算法为HOG或Color
‑
Name或ImageNet或ResNet或Sift或Cannon或Gabor或VGG或LSTM或GRU或Faster RCNN。
[0025]进一步地，所述跟踪算法为相关滤波算法。
[0026]进一步地，所述相关滤波算法为ASRCF或KCF或SRDCF或DSST或C
‑
COT或ECO或SAMF或ARCF。
[0027]本专利技术与现有技术相比有益效果为：
[0028]1、减小跟踪误差。本专利技术将第一帧目标特征图、当前帧目标特征图和前一帧更新模板整合成新的模板，使新模板具有第一帧中目标的完整正确信息，避免了在目标跟踪过程中当跟踪结果出错时，错误会在后续帧的跟踪中被积累和放大的问题，同时也有利于目标被遮挡后再跟踪。
[0029]2、增强模型泛化性。视频目标在跟踪过程中会发生形状改变，目标所在的环境也会发生变化，因此只含有第一帧中的目标信息容易造成模型过拟合，导致模型泛化能力差，最终引起跟踪失败。本专利技术提供的更新的模板不仅含有第一帧目标信息，也含有前一帧更新模板中包含的目标信息，因此新的模板能够适应变化的目标和环境，从而提高跟踪精度。
附图说明
[0030]图1为本专利技术遥感卫星视频目标跟踪方法的流程图；
[0031]图2为本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感卫星视频目标跟踪方法，其特征在于，包括以下步骤：步骤1、将遥感卫星视频第一帧输入跟踪算法，对第一帧进行数据预处理，即把第一帧目标区域裁剪出来，采用特征提取算法对第一帧中目标区域进行特征提取，获取第一帧目标特征图A1；步骤2、将获取的第一帧目标特征图A1作为模板进行模型训练，得到第一帧的跟踪模型M1；步骤3、将遥感卫星视频第二帧输入所述跟踪算法，参照第一帧中的目标位置，把第二帧目标搜索区域裁剪出来，采用所述特征提取算法，对第二帧目标搜索区域进行特征提取，获取第二帧的搜索区域特征图F2；步骤4、对第二帧搜索区域特征图F2和跟踪模型M1进行相似度计算，得到相似度的响应图，在响应图中选择出相似度最大的位置，所述相似度最大的位置为跟踪目标的位置；步骤5、采用所述的特征提取算法对步骤4中第二帧跟踪到的目标位置进行特征提取，得到第二帧目标特征图A2，根据公式A＝αA1+βA
C
+(1
‑
α
‑
β)A
h
得到当前帧更新模板A，其中，公式中A
C
为当前帧的目标特征图，A
h
为前一帧更新模板，α和β为权重；步骤6、用步骤5所得更新模板A进行模型训练，得到跟踪模型M2；步骤7、获取遥感卫星视频的下一帧，并将下一帧作为当前帧；将当前帧输入所述跟踪算法，参照前一帧跟踪到的目标位置，把当前帧的目标搜索区域裁剪出来；采用所述特征提取算法对当前帧的目标搜索区域进行特征提取，获取当前帧的搜索区域特征图F
C
；步骤8、对...

【专利技术属性】
技术研发人员：郑向涛，陶成龙，高贵龙，卢孝强，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：