一种基于干扰抑制外观建模的目标跟踪方法技术

本发明专利技术提出了一种基于干扰抑制外观建模的目标跟踪方法，用以解决传统孪生跟踪方法由于很少利用背景干扰信息导致在面对干扰时容易漂移的问题；其步骤为：首先获取目标模板，并根据背景与目标的相似程度确定干扰物，根据干扰物的特征以及干扰物与目标的相似得分得到干扰模型；然后利用目标模板与干扰模型分别与下一帧搜索区域图像相关得到目标得分图与干扰得分图，将目标得分图与干扰得分图相结合得到最终响应图，响应值最大处即为预测得到的下一帧图像的目标位置。本发明专利技术通过利用背景干扰提供的判别信息为目标外观进行建模，使得孪生跟踪器可以充分利用背景干扰信息，提高跟踪器在面临背景干扰时的鲁棒性。在面临背景干扰时的鲁棒性。在面临背景干扰时的鲁棒性。

【技术实现步骤摘要】
一种基于干扰抑制外观建模的目标跟踪方法


[0001]本专利技术涉及目标跟踪的
，特别是指一种基于干扰抑制外观建模的目标跟踪方法。

技术介绍

[0002]目标跟踪是计算机视觉和图像处理中的一项重要而具有挑战性的基础任务，具有广泛的应用前景，例如图像理解、自动驾驶、视频监控等。它的核心任务是在给定第一帧信息的情况下估计整个视频序列中的目标状态。一般来说，如何建立一个在背景杂波、遮挡、变形等复杂情况下能准确高效定位目标的外观模型是跟踪的关键问题。
[0003]近年来，基于孪生网络的跟踪算法因其可以实现速度与精度平衡的优势受到视觉跟踪界的广泛关注。在传统孪生跟踪器中，外观模型简单地对应于从目标区域提取的模板特征，然后利用互相关计算目标模板与搜索图像之间的相似度，找出最相似的区域来跟踪目标。虽然从离线训练在线跟踪的模式中取得了很好的效果，但在面对背景干扰时仅利用目标信息难以有效区分目标与干扰。
[0004]因此，针对传统孪生跟踪器因为很少利用背景干扰信息造成的面对干扰时容易漂移的问题，有必要提出一种能充分利用干扰信息提高目标表达能力的外观建模方法。

技术实现思路

[0005]针对传统孪生跟踪器因为很少利用背景干扰信息造成的面对干扰时容易漂移的技术问题，本专利技术提供了一种基于干扰抑制外观建模的目标跟踪方法，利用背景干扰信息提供的判别信息来提高目标表达。
[0006]本专利技术的技术方案是这样实现的：
[0007]一种基于干扰抑制外观建模的目标跟踪方法，其步骤如下：
[0008]步骤一、根据初始帧图像中目标的真实位置信息，在初始帧图像中截取以目标为中心的包含背景的搜索区域图像；
[0009]步骤二、将步骤一中的搜索区域图像输入VGG
‑
16网络获得搜索区域特征，并从搜索区域特征中截取目标模板特征；
[0010]步骤三、将步骤二中的搜索区域特征与目标模板特征进行相关操作获得背景与目标的相似性得分图；
[0011]步骤四、对背景与目标的相似性得分图进行峰值检测，获得干扰物与目标的相似程度以及干扰物的位置；
[0012]步骤五、根据干扰物的位置截取干扰物图像，并提取干扰物图像的特征，根据干扰物与目标的相似程度和干扰物图像的特征获得干扰模型；
[0013]步骤六、获取下一帧图像作为当前帧图像，根据上一帧图像的目标位置信息截取当前帧图像的搜索区域图像并提取当前帧图像的搜索区域图像的特征；
[0014]步骤七、将当前帧图像的搜索区域图像的特征分别与目标模板特征和干扰模型进
行互相关得到当前帧图像的目标得分图S
o
与干扰得分图S
d
；
[0015]步骤八、将目标得分图S
o
与干扰得分图S
d
进行结合得到当前帧图像的最终响应图，当前帧图像的最终响应图中响应值的最大值处为当前帧图像的目标位置信息；
[0016]步骤九、利用步骤四和步骤五的操作方法对目标得分图S
o
进行处理获得当前帧图像的干扰模型，并根据当前帧图像的干扰模型对步骤五中的干扰模型进行更新；重复步骤六到步骤九，直至遍历整个视频序列。
[0017]所述将步骤一中的搜索区域图像输入VGG
‑
16网络获得搜索区域特征的方法为：将以目标为中心的包含背景的搜索区域图像输入VGG
‑
16网络中，提取VGG
‑
16网络的conv4
‑
3层的第一特征图和VGG
‑
16网络的conv4
‑
1层的第二特征图，并将第一特征图和第二特征图进行维度叠加得到搜索区域特征。
[0018]所述背景与目标的相似性得分图的获得方法为：
[0019][0020]其中，M
t
为背景与目标的相似性得分图，x为目标模板特征图，z为搜索区域特征图，*为互相关操作，为从VGG
‑
16网络中提取图像特征图的操作。
[0021]所述对背景与目标的相似性得分图进行峰值检测的方法为：
[0022](S
i
,L
i
)＝ψ(M
t
,α)；
[0023]其中，α为预设的阈值，L
i
为第i个干扰物的位置，S
i
为第i个干扰物与目标的相似程度，ψ(
·
)表示峰值检测操作。
[0024]所述干扰模型的获得方法为：
[0025][0026]其中，F
d
表示干扰模型，S
i
是第i个干扰物与目标的相似程度，k是干扰物的数量，T
i
是第i个干扰物图像。
[0027]所述当前帧图像的目标得分图S
o
为：
[0028][0029]当前帧图像的干扰得分图S
d
为：
[0030][0031]其中，z'为当前帧图像的搜索区域图像。
[0032]所述当前帧图像的最终响应图的获得方法为：
[0033]S＝S
o
‑
β
·
S
d
；
[0034]其中，β∈[0,1]为控制干扰得分图影响大小的参数，S为当前帧图像的最终响应图。
[0035]所述干扰模型的更新方法为：
[0036][0037]其中，t为视频帧数，η∈[0,1]为干扰模型更新参数，为更新后的干扰模型，
为上一帧图像的累积干扰模型，F
d,t
为当前帧图像的干扰模型。
[0038]与现有技术相比，本专利技术产生的有益效果为：本专利技术通过利用背景干扰提供的判别信息为目标外观进行建模，使得孪生跟踪器可以充分利用背景干扰信息，提高跟踪器在面临背景干扰时的鲁棒性。
附图说明
[0039]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1为本专利技术的流程图。
[0041]图2为本专利技术干扰模型构造流程图。
[0042]图3为本专利技术与其他目标跟踪算法DaSiamRPN、CF2、SRDCF、Staple、SiamFC、DSST、KCF在OTB2013数据集上的比较图；其中，(a)为跟踪精度，(b)为跟踪成功率。
[0043]图4为本专利技术与其他目标跟踪算法DaSiamRPN、CF2、SRDCF、Staple、SiamFC、DSST、KCF在OTB2015数据集上的比较图；其中，(a)为跟踪精度，(b)为跟踪成功率。
具体实施方式
[0044]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于干扰抑制外观建模的目标跟踪方法，其特征在于，其步骤如下：步骤一、根据初始帧图像中目标的真实位置信息，在初始帧图像中截取以目标为中心的包含背景的搜索区域图像；步骤二、将步骤一中的搜索区域图像输入VGG
‑
16网络获得搜索区域特征，并从搜索区域特征中截取目标模板特征；步骤三、将步骤二中的搜索区域特征与目标模板特征进行相关操作获得背景与目标的相似性得分图；步骤四、对背景与目标的相似性得分图进行峰值检测，获得干扰物与目标的相似程度以及干扰物的位置；步骤五、根据干扰物的位置截取干扰物图像，并提取干扰物图像的特征，根据干扰物与目标的相似程度和干扰物图像的特征获得干扰模型；步骤六、获取下一帧图像作为当前帧图像，根据上一帧图像的目标位置信息截取当前帧图像的搜索区域图像并提取当前帧图像的搜索区域图像的特征；步骤七、将当前帧图像的搜索区域图像的特征分别与目标模板特征和干扰模型进行互相关得到当前帧图像的目标得分图S
o
与干扰得分图S
d
；步骤八、将目标得分图S
o
与干扰得分图S
d
进行结合得到当前帧图像的最终响应图，当前帧图像的最终响应图中响应值的最大值处为当前帧图像的目标位置信息；步骤九、利用步骤四和步骤五的操作方法对目标得分图S
o
进行处理获得当前帧图像的干扰模型，并根据当前帧图像的干扰模型对步骤五中的干扰模型进行更新；重复步骤六到步骤九，直至遍历整个视频序列。2.根据权利要求1所述的基于干扰抑制外观建模的目标跟踪方法，其特征在于，所述将步骤一中的搜索区域图像输入VGG
‑
16网络获得搜索区域特征的方法为：将以目标为中心的包含背景的搜索区域图像输入VGG
‑
16网络中，提取VGG
‑
16网络的conv4
‑
3层的第一特征图和VGG
‑
16网络的conv4
‑
1层的第二特征图，并将第一特征图和第二特征图进行维度叠加得到搜索区域特征。3.根据权利要求...

【专利技术属性】
技术研发人员：张焕龙，张杰，张建伟，程利云，王延峰，高淼，丁峰，杨光露，李林伟，黄万伟，焦站威，
申请(专利权)人：郑州轻工业大学，
类型：发明
国别省市：